北京
16.2个百分点——这是GPT-5.6 Sol在内部研究自动化能力评估中，与上一代GPT-5.5拉开的差距。OpenAI 7月10日披露，该模型可以接手通常由高级研究团队负责的后训练工作，为较小的Luna模型配出完整的后训练方案。
后训练，指模型完成初始预训练后，针对特定任务、行为或能力继续调整参数与配置。以往这一环节依赖研究人员反复调试、设计训练路径，而GPT-5.6 Sol被赋予了“自动化研究员”的角色：它以自身的后训练路径和配置为基础，将这套经验直接迁移到Luna模型上。
为了客观衡量这种能力，OpenAI搭建了名为“聚合RSI”的内部评估套件。这套件基于真实AI研究任务设计，涵盖调试研究系统、优化kernel和训练方案、执行机器学习实验，甚至改进另一个模型。结果显示，GPT-5.6 Sol在这组任务上比GPT-5.5高出16.2个百分点，表现出了更强的系统性研究辅助能力。
效率层面的数据也很直观。OpenAI称，研究人员在开发的全周期都会使用GPT-5.6 Sol，包括调试、优化训练系统、运行实验和阅读结果。内部测试中，活跃研究员人均每日token产出较GPT-5.5的上一轮峰值翻倍以上；单个研究员的pull request数量和实验数量也明显上升。可以看出，模型不只是接管某个固定环节，而更像嵌入研究流程的协作节点。
不过，这些进步仍然属于辅助范畴。研究团队仍在主导方案设计，李雪琪（Kathy Shi）在演讲中将GPT-5.6 Sol定义为“自动化研究员”，强调的是它能将高级研究员的经验重复执行和迁移，而非替代研究者的判断与探索。当AI开始分担后训练的繁重调参工作，研究效率的提升或许会改变人们分配脑力的方式，但核心创新依然离不开人类。这16.2个百分点的价值，更应被看作放大创造力的杠杆，而不是甩开研究者的理由。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
