当AI开始带徒弟：GPT-5.6与递归自我改进的第一块多米诺骨牌

2026 年 7 月 10 日，OpenAI 正式向全球开放 GPT-5.6 全家桶——旗舰 Sol、均衡 Terra、轻量 Luna。跑分数据不意外地亮眼：Sol 在 Terminal-Bench 2.1 上拿下 91.9%，在 Coding Agent Index 上以 80 分刷新 SOTA，把 Claude Fable 5 甩开了几个身位。价格也够狠，Luna 输入每百万 token 只要 1 美元。

但这些都不是最值得聊的。

真正让我反复看了好几遍技术文档的，是这么一句话：Luna 的后训练，由 Sol 自主完成。 Sol 自己找 GPU、定配置、写启动脚本、跑实验、读结果、调策略——全程没有人类研究员插手。

这不是"AI 辅助训练 AI"，这是"AI 当老师，自己带徒弟"。

过去：人类是模型进化的天花板

先回顾一下，一个模型从预训练到发布，后训练阶段长什么样。

预训练搞定之后，模型还要经历一连串"调教"：数据清洗和筛选、奖励模型设计、SFT（监督微调）、RLHF（人类反馈强化学习）、知识蒸馏、超参搜索……每一步都需要一个经验丰富的研究团队来做决策。

这个流程有个致命瓶颈：人类研究员的精力、判断力和创造力，就是模型进化的上限。 一个初级研究员一天跑两三个实验就算高效了，一个十几人的数据团队处理一个训练集要花几个月。而人类还会累、会出错、会有盲区。

现在：Sol 是怎么带徒弟的

根据 OpenAI 披露的技术细节，Sol 在训练 Luna 的过程中扮演了"自动化研究员"的角色，覆盖了四个核心环节：

第一个环节：自主数据筛选。 Sol 能评估海量候选数据的质量、多样性和潜在偏见，决定哪些数据进训练集、哪些剔除。过去这需要一个数据团队干上几个月。

第二个环节：自主实验设计与执行。 Sol 自己提出训练策略假设，设计对照实验，在集群上跑完整流程，分析结果。它不是跑完拉倒——它会根据结果调整假设，再设计下一轮实验。一天能并行跑数百个实验。

第三个环节：自主知识蒸馏。 Luna 作为轻量版，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。它自己判断哪些知识最重要、怎么压缩、压缩完怎么验证效果。

第四个环节：自主评测与迭代。 Sol 自己编写评测用例，发现 Luna 的弱点，调整策略重新来过——一个完整的闭环。

OpenAI 公布了一组内部数据：过去半年，公司内部用于代码推理的计算资源增长了 100 倍，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（聚合 RSI）上，Sol 比 GPT-5.5 高出了 16.2 分。活跃研究员人均日 token 产出比上一轮峰值翻了一倍以上。

这不是"自动化"，这是"自主化"

到这里，有必要区分两个概念：自动化和自主化。

自动化是"人设定好流程，机器执行"。过去 AI 辅助训练的很多环节都属于这一类——人类研究员决定用什么数据、什么策略，AI 只是跑腿。

自主化是"机器自己理解目标、制定策略、执行并评估"。Sol 做的事情属于后者。它不是在执行人类写好的训练脚本，它是在自己做研究。

在 AI 安全领域，这个概念有一个学名：递归自我改进（Recursive Self-Improvement）。当一个 AI 系统强大到能够自主重构、测试、甚至微调自己的下一代模型时，那个被讨论了几十年的飞轮，就开始转动了。

飞轮转起来之后呢？

有几个连锁反应值得关注：

第一，模型迭代会加速。 当"研究员"这个角色不再是人类专属，训练下一代模型的周期会大幅缩短。OpenAI 从 GPT-5.5 到 5.6 已经很快了，如果 Sol 开始深度参与 GPT-6 的训练过程，这个速度只会更快。

第二，竞争格局在变。 Anthropic 的 Claude Fable 5 在编码和推理方面仍然是强劲对手，Meta 的 Muse Spark 1.1 在多 Agent 编排上另辟蹊径。但如果 OpenAI 真的把递归自我改进做成了工程化量产工具，这意味着竞争对手的追赶窗口在收窄——因为 OpenAI 的进步速度本身也在加速。

第三，安全问题的性质变了。 过去讨论 AI 安全，重点在对齐（alignment）——怎么确保模型的输出符合人类意图。递归自我改进引入了一个新维度：如果模型能自主优化下一代模型，人类还能不能看清"黑箱里的黑箱"？OpenAI 自己在技术文档里也承认，他们正在研究一系列安全防护措施，包括让 Sol 在训练 Luna 时的行为受到约束和监控。但这个话题显然不会就此结束。

第四，经济学在改写。 Luna 的定价——输入 $1、输出 $6 每百万 token——已经把门槛压到了极低。如果下一代轻量模型可以由旗舰模型自主训练，研发成本的结构会彻底改变。模型不再是"人类砸钱训出来的"，而是"AI 自己带出来的"。这对整个行业的定价逻辑和商业模式都会有深远影响。

竞对跟得上吗

Anthropic 目前仍然是 OpenAI 最强劲的对手。Claude Fable 5 在多项基准上紧咬 Sol，而且在安全和对齐方面的积累深厚。但目前为止，Anthropic 还没有公开披露过类似"模型自主训练模型"的成果。

Meta 走的是另一条路。Muse Spark 1.1 的卖点不是单模型能力，而是多 Agent 协作编排——主 Agent 调度子 Agent、并行工具执行、结构化输出。这条路线和递归自我改进不直接冲突，但如果 Sol 把"自己教自己"的能力向 Agent 场景延伸，Meta 现在的差异化优势可能会被侵蚀。

Google 的 Gemini 3 预计下半年发布，目前流出的信息不多。但可以确定的是，"模型自主训练"这条赛道，不会只有 OpenAI 一个人在跑。

最后

GPT-5.6 的跑分和定价当然值得关注，但把注意力全放在"又快又便宜"上，会错过真正的变化。

真正的变化是：AI 开始参与制造比自己更强的 AI。 这不是科幻，是 2026 年 7 月正在发生的事。

我们可能正在经历一个拐点——不是 AI 能力线性增长的拐点，而是 AI 进化速度开始加速的拐点。Sol 训练 Luna 只是第一步，一个相对温和的起点（轻量模型、有约束的训练流程）。但一旦这个飞轮转起来，下一个版本的 Sol 训练的就不只是 Luna 级别的模型了。

人类研究员仍然是这个循环的一部分——目前还是。但他们的角色在变：从"亲手调参的人"，变成"设计实验框架和设定边界条件的人"。这种转变是好是坏，取决于我们怎么把握它。