智猩猩AI整理
编辑：林夕
“AGI has arrived。”
刚刚，英伟达CEO黄仁勋在X上评论OpenAI最新模型Astra，直接甩出了这句相当重量级的判断。
从ChatGPT到o1，再到Astra，黄仁勋认为，OpenAI用了4年走到了AGI时代。与此同时，他还透露，接下来将有40万块GPU上线。
这个判断当然引发了争议。
毕竟，AGI至今没有一个所有人都认可的统一标准。
有人认为Astra已经足够接近，也有人认为现在宣布AGI到来仍然为时过早。
就连OpenAI自己，对AGI的定义也一直比较宽泛，Astra究竟是不是AGI，短时间内恐怕很难形成共识。
就在黄仁勋发出这句判断的当天，OpenAI也公布了内部AI研究工作的最新进展。
截至8月中旬，OpenAI研究组织每天使用的Agent工作量，已经达到人类研究员工作量的3.1倍。
而在另一篇文章里，OpenAI首席科学家Jakub Pachocki更是直接谈到了Recursive Self-Improvement，也就是递归自我改进。
如果说AGI讨论的是AI究竟有多聪明，那么RSI讨论的，则是一个更进一步的问题：
当AI足够聪明之后，它能不能反过来帮助人类训练更强的AI，甚至参与训练自己的下一代？
OpenAI这次释放的信号，正是这个方向正在从概念讨论逐渐走向现实。
01
Agent工作量超越人类：
3.1倍背后的研发范式转移
OpenAI这次披露的数据非常直接。
截至今年8月中旬，OpenAI内部研究组织每天使用的Agent工作量，相当于3.1个研究员工作日。
也就是说，按照一个标准8小时工作日计算，研究组织每天产生的Agent工作量，已经超过人类研究员工作量的3倍。
研究员可以同时启动多个Agent，让它们并行处理代码、实验和技术问题，自己则把更多时间放在研究方向、实验设计和最终判断上。
OpenAI披露的另一个变化也很值得注意。
2026年以来，每名活跃研究人员对应的实验数量持续增加，今年8月更是达到了自2025年1月开始统计以来的最高水平。
当然，人类并没有退出这个循环。
OpenAI数据显示，在过去6个月里，成功完成的4到8小时任务中，超过一半至少出现过一次人工干预。
这说明目前的状态仍然不是AI自己做研究，人类完全不管。
更接近现实的情况是，人类负责提出问题、设定目标和做最终判断，Agent则不断扩大执行层面的工作量。
这种工作方式也正在催生一个新的变化，OpenAI已经开始把自动化AI研究当成一个明确的研发目标。
与此同时，OpenAI公布了一项新的进展，去年提出的自动化AI研究实习生目标，现在已经完成。
这个系统可以在人类指导下，完成一些原本需要熟练研究员花费几天时间才能完成的研究任务。
按照OpenAI给出的定义，它可以在人类指导下完成一些明确的研究任务，而这些任务原本可能需要熟练研究员花上几天时间才能完成。
更关键的是，这不是终点。
OpenAI给出的下一阶段目标，是继续推进自动化AI研究员，目前的计划节点是2028年3月。
02
RSI从概念走进现实：
前代模型开始训练后代
Astra发布时，OpenAI研究训练副总裁Aidan Clark提到，这是OpenAI第一个在训练过程中大量使用前代模型进行监督的模型，并将其与递归自我改进联系起来。
按照目前披露的信息，GPT-5.6 Sol协助训练了Astra，Astra又进一步参与了Doug和Bel等后续模型的研发，而更强的预训练模型Doug，如今也正在参与训练自己的继任者。
如果这条链路最终被更多信息证实，那么OpenAI正在做的就不只是用AI辅助研发AI，而是在把上一代模型接入下一代模型的训练过程，让模型能力本身成为模型迭代的一部分。
这就是递归自我改进，也就是RSI正在变得越来越具体的地方。
CEO Sam Altman最早是在2025年10月的一次直播里提出这两个时间点的，彼时他说这是"我们研究计划的核心方向"，之后又在 X 帖子中公开了这两个内部目标：
OpenAI首席科学家Jakub Pachocki却在最新文章《An Alien Mind》中提醒，人类可能还没有准备好迎接机器智能继续快速发展的后果。
他已经直接谈到了“machine recursive self-improvement”。
Pachocki认为，越来越多的AI模型正在参与自身发展的过程，这种AI-on-AI的发展方式可能进一步加速AI进步；
真正困难的是在做到之后，如何继续让人类参与其中，并确保未来仍然掌握在人类手里。
这其实是一种非常微妙的状态。
OpenAI一边在踩油门，一边又提醒自己，车速可能已经太快了。
就在不久前，智谱创始人唐杰谈到下一代模型GLM-6时，给出的关键词就是：Full Self-Training。
按照唐杰的定义，GLM-6希望让模型覆盖预训练、中训练和后训练，并进一步具备自主训练和自我进化能力。
而在相关解读中，唐杰直接将这一方向与海外所说的RSI联系起来。
两条技术路线不尽相同，但关注的命题已高度重合：AI能不能开始参与AI的制造？
03
Astra之后真正值得盯的
不是一句“AGI来了”
黄仁勋说“AGI has arrived”，当然会成为这轮讨论里最吸睛的一句话。
但对AI行业来说，OpenAI这次披露的意义是第一次把一套更完整的AI参与AI研发的路径摆到了公开讨论中。
这意味着，下一轮模型竞争可能不只是比参数、Benchmark和推理能力。
谁能让AI更早、更稳定地参与数据处理、代码开发、实验设计、模型训练和安全研究，谁就可能获得更快的研发循环。
OpenAI现在公开讨论的，实际上正是这个循环能不能继续往前跑。
而它最终会不会真的形成完整RSI，OpenAI自己给出的答案仍然是：还不知道。
但至少从现在开始，RSI已经不再只是一个遥远的理论概念，而正在变成OpenAI公开承认、持续投入，并且已经出现早期实验结果的研发方向。
关注+星标，获取AI前沿进展与开源一线动态
热门跟贴