GPT-5.6 与递归自我改进：AI 开始自己带徒弟了

2026年7月9日，OpenAI向全球正式开放了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——太阳、地球和月亮，名字本身就在暗示一种从中心向外辐射的层级关系。

发布当天，媒体的聚光灯打在两件事上。一是Sol在编程基准测试Terminal-Bench 2.1上拿下91.9%的成绩，把Anthropic的Claude Fable 5甩开超过8个百分点。二是Luna的输入价格降到每百万token仅1美元，直接把硅谷的定价体系砸出一个大坑。

但真正值得花时间聊的，是OpenAI技术文档里一句被大多数人扫过去的话：Luna是由Sol自主完成后训练的。

这句话意味着什么

过去训练一个大模型，本质上是一个高度依赖人力的手工作坊。数据清洗需要十几人的团队干几个月，奖励模型设计需要资深研究员反复推敲，知识蒸馏和超参搜索更是耗费大量博士级别的人力。在这个链条里，AI只是被训练的客体，人类研究员是绝对的主体。每一次模型能力的跃升，背后都是数百名顶尖研究员的心血。

现在不一样了。

据OpenAI披露，Sol在训练Luna的过程中扮演了自动化研究员的角色。它能自主评估海量候选数据的质量和多样性，决定哪些数据进入训练集、哪些被剔除。它能自己提出训练策略假设，设计对照实验，在集群上跑通完整训练流程并分析结果。它能以老师的身份完成知识蒸馏，自己决定哪些知识最重要、如何压缩、如何验证效果。它甚至能编写评测用例，发现Luna的弱点，然后调整策略重新来过。

换句话说，过去必须由人类研究员主导的所有环节——数据筛选、实验设计、知识蒸馏、评测迭代——现在可以由一个旗舰模型独立完成。AI不再只是工具，它开始带徒弟了。

这个概念在AI安全领域有一个正式的学名：递归自我改进（Recursive Self-Improvement）。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，那个被讨论了数十年的飞轮，第一次真正转动起来了。

工程化落地的信号

有几个数据值得注意。

OpenAI内部用于代码推理的计算资源，过去半年增长了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。

这些数字不是实验室里的论文数据，而是生产环境中真实发生的。它们指向同一个事实：递归自我改进已经不是学术概念，而是一项正在被工程化、量产化的能力。

另一个来自竞争对手的信号更直白。就在GPT-5.6发布的同一天，Anthropic联合创始人公开宣布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。"

这不是预言，这是正在发生的组织重构。

竞争格局的重新洗牌

递归自我改进本质上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。

从这个角度看，Anthropic面临的核心挑战不是某一次跑分的输赢——Claude Fable 5在编程榜首只待了17天就被Sol拉下王座——而是其"安全优先"的精品路线与"快速迭代"的自我改进需求之间的内在矛盾。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。

Google DeepMind拥有全球最充裕的算力和最深厚的研究积累，早在2025年就发布了AlphaEvolve——利用Gemini生成候选算法并通过演化搜索自动优化。但大公司的官僚流程是天然的减速带。当Sol已经在生产环境中以每日迭代的速度训练Luna时，DeepMind的AutoML-X项目仍处于有限实验阶段。

对于中国的大模型公司，挑战更加严峻。递归自我改进模式的核心是用推理算力换研发效率——让旗舰模型24小时不间断地跑实验、写代码、做评测。这背后需要的算力底座，恰恰是国内公司受制于芯片禁令的最大短板。一位国内头部大模型公司的技术负责人在匿名采访中直言："我们现在还在用人力堆的方式追赶他们的上一代模型，而他们已经开始用AI训练下一代了。"

人才结构的剧烈重塑

递归自我改进的工程化落地，最先冲击的是AI行业自己的从业者。

过去三年，大模型行业催生了大量初级研究员岗位。清洗数据、跑消融实验、调整学习率、记录结果——这些工作重复性高、创造性低，但却是模型训练不可或缺的基础环节。现在，这些工作正在被自动化系统批量替代。

据美国国家经济研究局的调研，2026年AI驱动的裁员将达到约50万个岗位，是2025年的9倍。在中国，腾讯、阿里、字节等大厂的裁员比例普遍在15%至40%之间，入门级和中等技能岗位首当其冲。

与初级岗位大面积萎缩形成对比的，是顶尖AI人才的超级溢价。据脉脉2026年1至4月数据，AI科学家和负责人的平均月薪已达13.28万元，是算法研究员7.44万元的1.8倍。OpenAI为招聘一名AI安全专家，开出了最高44.5万美元的年薪。

AI行业的人才结构正在从金字塔型急剧重塑为哑铃型。底部的大量初级岗位被AI替代，顶部的少量资深岗位薪资暴涨，中间层被严重压缩。

我们正站在哪里

Anthropic将递归自我改进分为三个阶段：第一阶段是AI辅助编码——这是过去两年的常态。第二阶段是AI自主执行实验——我们刚刚进入。第三阶段是AI完全自主迭代——尚未到来。

GPT-5.6的发布，标志着行业正式从第一阶段跨入第二阶段。这是一个关键窗口期。好消息是，这个模式仍然面临几个关键瓶颈：算力成本可能成为限制飞轮转速的物理天花板；每一代自我迭代都可能引入微小的对齐偏差，多代累积后可能导致模型偏离人类初衷；AI在提出真正原创性的研究假设方面，仍然远逊于顶尖的人类研究员。

这些瓶颈为人类保留了干预的空间。但这个空间正在缩小。

飞轮已经转动。我们正在见证的，不是一次常规的版本迭代，而是一次范式转移的公开宣告。当一个旗舰模型能够自主训练出下一代模型，当AI开始自己带徒弟，人类研究员在链条中的角色已经从唯一的执行者变成了监督者和方向的把握者。

这个转变不是一夜之间发生的，但当它被写进一份技术文档、以一句轻描淡写的话宣告时，大多数人的目光还停留在跑分和价格上。