GPT-5.6 的无声革命：当 AI 开始自己训练 AI

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。三款模型分别命名为旗舰版 Sol、均衡版 Terra 和轻量版 Luna。

大多数人的注意力被两件事吸走。第一，Sol 在编程基准测试 Terminal-Bench 2.1 中拿下 91.9%，将 Anthropic 的 Claude Mythos 5（88.0%）甩开近四个百分点。第二，Luna 的输入价格低至每百万 token 仅 1 美元，是 OpenAI 旗舰系列史上最低价。

但技术圈的真正地震，来自一句被大多数人忽略的轻描淡写。

一句话改变一切

OpenAI 在技术文档中提到：全家桶里最小的 Luna，是由老大哥 Sol 自主完成后期训练的。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。

在 AI 安全领域，这有一个令人不安的学名：递归自我改进（Recursive Self-Improvement）。

Sol 如何训练 Luna：四个核心环节

据 OpenAI 披露的技术细节，在训练 Luna 的过程中，Sol 扮演了自动化研究员的角色，主动参与了四个关键环节。

自主数据筛选。 Sol 自主评估海量候选数据的质量、多样性和潜在偏见，决定哪些数据进入 Luna 的训练集、哪些被剔除。这项任务过去需要一个十几人的数据团队干上几个月。

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，在集群上跑通完整训练流程，并分析实验结果。一个初级研究员一天能跑两三个实验已是极限，Sol 一天可以并行跑数百个。

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——它决定哪些知识最重要、如何压缩、如何验证压缩效果。

自主评测与迭代。 Sol 自己编写评测用例，发现 Luna 的弱点，调整训练策略重新来过，形成完整闭环。

飞轮已经开始转动

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。

这不是常规的版本迭代。这是一次范式转移的公开宣告。

过去三年，AI 行业的叙事主线是人类训练 AI——更多的数据、更大的算力、更聪明的研究员。人力成本在整体训练成本中占比高达 30% 至 40%。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。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 量是人工操作的数十倍乃至上百倍。但天花板打开了。

三个瓶颈与一个窗口

这个模式并非没有制约。目前存在三个关键瓶颈：

算力约束。 每一次自我迭代都需要消耗海量推理算力。算力成本可能成为限制飞轮转速的物理天花板。

对齐失温。 当 AI 训练 AI 时，每一代模型都可能引入微小的对齐偏差。如果偏差在多代迭代中累积放大，最终模型可能偏离人类的初衷。

研究品味缺失。 AI 擅长执行明确的实验，但在提出真正原创性的研究假设、做出反直觉的方向性判断方面，仍然远逊于顶尖人类研究员。

Anthropic 将递归自我改进分为三个阶段：第一阶段是 AI 辅助编码（当前已完成），第二阶段是 AI 自主执行实验（行业正在进入），第三阶段是 AI 完全自主迭代（尚未到来）。三个瓶颈为人类保留了一个宝贵的干预窗口——但这个窗口正在缩小。

结语

在科幻作品中，技术奇点往往被描绘为一声惊天动地的巨响——机器觉醒、人类沦陷、世界重构。但现实中的奇点，往往是一句轻描淡写的宣告，隐藏在一页无人细读的技术文档里。

它宣告的是：人类研究员从教练变成裁判的时刻，已经到了。

研发团队将大幅缩编，但人均产出提升五到十倍。AI 公司的组织结构将从劳动密集型转向资本密集型研发。算力投入和系统的质量将取代研究员人数，成为决定模型能力的核心变量。

2026 年 7 月 9 日，当 GPT-5.6 的发布页面在全球数以百万计的屏幕上刷新时，大多数人看到的是更强的跑分、更低的价格。只有极少数人注意到了那个真正具有历史意义的细节。

Luna 是 Sol 训练出来的。

飞轮已经开始转动。