GPT-5.6背后最恐怖的真相，AI已经开始自我进化了

文 I 下海fallsea，作者 I 胡不知 2026年7月9日，OpenAI正式向全球用户全面开放GPT-5.6全系列模型。这三款模型分别被命名为旗舰版Sol、均衡版Terra和轻量版Luna。 在这场信息量巨大的发布中，绝大多数人的注意力被两件事吸走。第一件事是Sol在编程基准测试Terminal-Bench 2.1中狂揽91.9%的得分，将Anthropic的Claude Fable 5甩开超过8个百分点。第二件事是价格腰斩，Luna的输入价格低至每百万token仅1美元，直接掀翻了硅谷的定价体系。 但在技术圈的最深处，真正引发地震的是一句被大多数人忽略的轻描淡写。 OpenAI在技术文档中提到，全家桶里最小的Luna是由老大哥Sol自主完成后训练的。具体而言，Sol自己寻找可用GPU、确定训练配置、编写启动脚本并确认任务执行，全程无需人类工程师干预。 这句话的含金量远超所有跑分和评测。 它意味着过去必须由人类研究员主导的数据清洗、奖励模型设计、知识蒸馏和超参搜索，现在可以由旗舰模型自己独立完成。AI不再只是人类手里的工具，它开始自己带徒弟了。 在AI安全领域，这个概念有一个令人不安的学名，叫做递归自我改进。当AI强大到能够自主重构、测试甚至微调自己的下一代模型时，那个被未来学家预言了数十年的飞轮，终于开始转动了。 这不是一次常规的版本迭代。这是一次范式转移的公开宣告。 什么是AI训练AI 要理解递归自我改进的颠覆性，必须先理解大模型训练的传统模式。 在GPT-4和GPT-5的时代，训练一个顶级大模型本质上是一个高度依赖人类智慧的手工作坊。 整个流程大致如下。首先，人类研究员要从互联网上筛选和清洗数万亿token的训练数据。然后设计预训练架构，调整数千个超参数。接着通过基于人类反馈的强化学习让模型对齐人类偏好，这一步需要成千上万的人类标注员给模型的回答打分。最后还要设计各种评测基准，反复调试，确保模型不会变傻或失控。 在这个链条中，AI只是被训练的客体，人类研究员是绝对的主体。模型能力的每一次跃升，背后都是数百名顶尖博士数月甚至数年的心血。人力成本在整体训练成本中的占比高达30%至40%。 这种模式的瓶颈显而易见。人类研究员的精力、判断力和创造力，成了模型进化的天花板。 GPT-5.6的递归自我改进模式彻底改写了这个链条。 据OpenAI披露的技术细节，在训练Luna的过程中，旗舰模型Sol扮演了自动化研究员的角色。它不再只是被动接受人类喂养的数据和参数，而是主动参与了四个核心环节。 第一个环节是自主数据筛选。Sol能够自主评估海量候选数据的质量、多样性和潜在偏见，决定哪些数据应该进入Luna的训练集，哪些应该被剔除。这过去需要一个十几人的数据团队干上几个月。 第二个环节是自主实验设计与执行。Sol能自己提出训练策略假设，设计对照实验，在集群上跑通完整的训练流程，并分析实验结果。过去一个初级研究员一天能跑两三个实验就已经是极限，现在Sol一天可以并行跑数百个。 第三个环节是自主知识蒸馏。Luna作为轻量版模型，需要从Sol身上继承核心能力同时压缩参数规模。这个教与学的过程由Sol自己担任老师。它自己决定哪些知识最重要、如何压缩、如何验证压缩后的效果。 第四个环节是自主评测与迭代。Sol能自己编写评测用例，发现Luna的弱点，然后调整训练策略重新来过，形成一个完整的闭环。 OpenAI公布了一组耐人寻味的内部数据。过去半年，公司内部用于代码推理的计算资源增长了100倍，用于智能体任务的token消耗量增长了约22倍。在一套衡量递归自我改进能力的内部评测上，Sol比上一代GPT-5.5高出了16.2分。 当Sol以智能体的形式在代码仓库里自主调试训练脚本、在评测平台上自主分析结果时，它消耗的推理算力和token量自然是人类手动操作的数十倍乃至上百倍。 一位前OpenAI研究员在匿名采访中这样形容。以前我们是在训练一个学生，现在我们是在训练一个助教。这个助教不知疲倦、不需要薪水、不会犯低级错误，而且它学到的每一招都能立刻教给下一个学生。 友商还跟得上吗 当OpenAI把递归自我改进从实验室概念变成工程化量产的工具时，它的竞争对手们处于什么位置？ Anthropic是OpenAI最强劲的对手。就在GPT-5.6发布的前几天，Anthropic的Claude Fable 5刚刚在编程基准测试中当了17天的世界第一，随后被Sol一夜拉下王座。 但Anthropic的真正危机不在于某一次跑分的输赢，而在于其递归自我改进布局的相对滞后。 Anthropic的核心战略一直是安全优先的精品路线，在模型发布前进行极其严格的安全对齐和红队测试。这种策略在赢得企业客户信任方面非常有效，但在自我改进竞赛中却可能成为拖累。因为递归自我改进的本质是让AI自主行动，而Anthropic的安全哲学恰恰是尽可能限制AI的自主性。 不过Anthropic并非没有意识到这个问题。就在GPT-5.6发布的同一天，Anthropic联合创始人公开宣布了一个震动行业的决定，不再招聘初级工程师。他的原话是，过去需要一大群初级研究员做的大规模实验，现在Claude自己就能完成。公司现在的招聘标准是资深直觉，只招经验丰富、能做方向性判断的人，不再招执行层。 这个决定本身就是对递归自我改进时代来临的最直接确认。当Anthropic开始用Claude替代初级研究员做实验时，它实际上已经踏上了这条跑道。只是它的起步比OpenAI晚了至少半年。 Google DeepMind拥有全球最充裕的AI研发算力和最深厚的研究积累。2025年5月，DeepMind就发布了AlphaEvolve，利用Gemini模型生成候选算法，通过自动评估和演化搜索筛选更优方案，并将这一方法应用于数据中心调度、芯片设计和AI训练流程优化。 但DeepMind的问题在于大公司的官僚流程。每一项新技术从实验室走向产品，都要经过层层审批、安全审查和跨部门协调。当OpenAI的Sol已经在生产环境中以每天迭代的速度训练Luna时，DeepMind的相关项目可能还在等待下一次季度评审。 2026年3月，DeepMind推出了AutoML-X项目，试图建立全自动化的模型训练流水线。但据内部人士透露，该项目至今仍处于有限实验阶段，远未达到OpenAI的工程化量产水平。 对于中国的大模型公司来说，递归自我改进时代的到来可能意味着一场更为残酷的降维打击。 首先是算力瓶颈。这种模式的核心是用推理算力换研发效率，让旗舰模型以智能体的形式24小时不间断地跑实验、写代码、做评测。OpenAI内部代码推理算力半年涨100倍的背后，是其坐拥数万张顶级芯片的算力底座。而国内公司受制于芯片禁令，算力储备本就捉襟见肘，很难支撑如此奢侈的AI研究AI模式。 其次是布局的代差。当OpenAI和Anthropic已经在用旗舰模型训练下一代轻量模型时，国内多数公司的主力模型还在追赶GPT-4级别的基础能力。这是一个强者愈强的飞轮。你的旗舰模型越强，它训练出的子模型就越好。子模型越好，反过来又能加速旗舰模型的迭代。一旦飞轮转起来，落后者面临的不是线性差距，而是指数级拉大。 一位国内头部大模型公司的技术负责人在匿名