GPT-5.6 的自我进化：当 AI 开始「带徒弟」

2026年7月9日，OpenAI 正式向全球用户开放 GPT-5.6 全系列模型。三款模型分别被命名为旗舰版 Sol、均衡版 Terra 和轻量版 Luna。

绝大多数人的注意力被两件事吸走：Sol 在 Terminal-Bench 2.1 中拿下 91.9% 的得分，把 Claude Fable 5 甩开超过 8 个百分点；以及 Luna 的输入价格降到每百万 token 仅 1 美元，直接掀翻了行业定价体系。

但在技术圈深处，真正引发地震的是一句被大多数人忽略的轻描淡写。

Sol 接管了训练流水线

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。研究员给 Sol 的，只是一段相当含糊的提示——「把 Luna 的后训练跑起来」。

Sol 自己完成了以下工作：寻找可用 GPU、确定训练配置、编写启动脚本、执行任务并确认运行状态。全程无需人类工程师干预。

这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。

这不是一次常规版本迭代

OpenAI 研究员 Kathy Shi 在演讲中说了一句很有分量的话：「以前这可能需要一组高级研究员来协作完成，而现在自动化研究员真的已经近在咫尺。」

需要说明的是，Sol 并没有凭空发明一套训练方法。OpenAI 员工 Jason Liu 后来补充澄清：Sol 做的是将已有的后训练配置适配到 Luna 身上并执行训练任务，这项工作的量级大约是「两名研究员两周的工作」。

但这仍然足够重要。因为后训练不是外围杂活，它连接着配置、算力、脚本、日志和评估，是模型研发流水线的核心环节。过去这些环节由研究员逐项推进，现在其中一段被模型自己接走了。

递归自我改进：那个飞轮开始转了

在 AI 安全领域，这个概念有一个令人不安的学名——递归自我改进（Recursive Self-Improvement，简称 RSI）。

OpenAI 为此专门建立了一套内部评估体系「聚合 RSI」，任务包括调试研究系统、优化 kernel 和训练方案、运行机器学习实验，以及改进另一个模型。GPT-5.6 Sol 在这个基准上比前代 GPT-5.5 高出了 16.2 个百分点。

这不是电影里的机器觉醒。它更像一次普通的研发分工变化——人类研究员的工作位置上移了：设定目标、划出边界、判断结果、审计风险。执行的环节被交给了 AI。

Anthropic 的警告

就在 GPT-5.6 发布前一个月，Anthropic 联合创始人 Jack Clark 在接受采访时说了一句意味深长的话：完整的递归自我改进「可能比大多数机构预期的时间来得更早」。

Anthropic 自己的 Claude 已经在处理增量研发工作，人类仅负责个位数百分比的方向性决策。当系统强大到能够自主设计下一代系统时，就会形成一个真正的闭环——AI 设计更好的 AI，更好的 AI 设计更好的训练系统。

目前行业仍处于从「AI 辅助编码」向「AI 自主执行实验」过渡的阶段。距离「AI 完全自主迭代」还有距离。但 GPT-5.6 的这次演示，让这个距离看起来比想象中更短。

研发组织的重心在移动

模型公司的速度，过去主要取决于算力、数据和研究员的规模。现在多了一个变量：上一代模型能不能进入下一代模型的研发过程。

它可以跑实验、读日志、改脚本、解释失败、整理结果。人类研究员的角色从执行者转向审计者。这不是机器的觉醒，而是研发流水线的重构——而 GPT-5.6 只是这场重构的第一次公开演示。