GPT-5.6 的隐藏炸弹：当 AI 开始训练 AI

2026 年 7 月 9 日，OpenAI 向全球用户全面开放 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 在编程基准测试 Terminal-Bench 2.1 中拿下 91.9% 的得分，将 Anthropic 的 Claude Fable 5 甩开超过 8 个百分点；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。

那一句让人后背发凉的话

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，研究员只给了 Sol 一个「相当不具体的任务目标」，然后 Sol 自己去找训练配置、挑选 GPU、启动训练脚本、确认跑通，把一个模型的后训练从头到尾全包圆了。这活儿放在过去，是一整队资深研究员的工作。

OpenAI 研究员 Kathy Shi 在发布会上说：「过去这需要一组资深研究员来完成，而现在，那个自动化研究员，真的已经很近了。」

递归自我改进：飞轮开始转动

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，RSI）。

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。OpenAI 内部有一套专门衡量 RSI 能力的评测体系，基于真实 AI 研究任务——调试研究系统、优化内核和训练配方、运行实验、改进另一个模型。GPT-5.6 Sol 在这个 RSI 综合指数上比 GPT-5.5 高出 16.2 分。

当然，需要保持冷静。OpenAI 研究员 Jason Liu 后续补充了细节：Sol 并非从零发明了一套训练方案，大部分配置来自 Sol 自身后训练的经验，Sol 做的是将其适配到 Luna 并跑通流程。但这仍然省下了约两位研究员两周的工作量。「这仍然是一件大事，」他说。

安全界的警钟已经敲响

Anthropic 在今年 6 月就曾警告：完整的递归自我改进「可能比大多数机构准备的要来得更快」。Claude 已经能够在重大范式转变之间处理增量工作，人类仅负责个位数百分比的方向性决策。

GPT-5.6 的这次演示虽然离「AI 完全自主设计下一代 AI」还有距离，但它实实在在地跨过了一道心理门槛。过去我们说「AI 帮人类写代码」，现在变成了「AI 帮人类训练 AI」。下一步是什么？

不止是模型：ChatGPT Work 与 Codex 合体

同场发布会上，OpenAI 还端出了 ChatGPT Work——一个能跨 App 和文件自主干活的 Agent，可以盯着一个项目连续跑好几个小时。原来的 Codex 应用也和 ChatGPT 桌面端合并，新增内置浏览器和 Computer Use 能力，能直接调用本地文件和应用，替你点击、打字、搬文件。

从预览到全量上线不过半个月，从追赶到反超只用了一次发布会。

竞赛的终点线正在消失

真正让人深思的，不是 Sol 在榜单上又拿了几个第一，也不是 Luna 把价格打到了地板。而是 Sol 亲手训出了 Luna 这件事本身。

当 AI 开始训练 AI，时间就不再是线性的。竞赛的终点线正在消失，剩下的只是下一个版本号。