当AI开始造AI：递归自我改进的2026年

编辑｜Panda

今年 3 月，Andrej Karpathy 在 GitHub 上开源了一个叫 autoresearch 的小项目。

README 的开头是一段「来自未来」的追忆：前沿 AI 研究曾经由「肉做的计算机」完成，它们要吃饭、要睡觉，偶尔通过「声波互联」在一种叫「组会」的仪式上同步一下进度。

如今，研究已经完全交给了在天空中巨型算力集群上奔跑的智能体群，据智能体们自己说，代码库已经迭代到了第 10205 代。没有人能判断这是真是假，因为「代码」早已变成一个超出人类理解的自修改二进制文件。Karpathy 写道，这个仓库讲的是「这一切是如何开始的」。

https://github.com/karpathy/autoresearch

这当然是个玩笑。但在 2026 年，这个玩笑正被一点点写进各家实验室的内部报表。6 月，Anthropic 发布长文《When AI Builds Itself》；9 月 6 日，OpenAI 宣布「自动化研究实习生」如期到岗；9 月 17 日，Anthropic 披露 Claude 已经「主导」公司 26% 的研发工作。同一天，智谱公开了国内大模型首个跑进生产环境的「AI 改进自身系统」实践。

这些消息共同指向一个在 AI 圈沉睡了六十年的词：递归自我改进（Recursive Self-Improvement，RSI）。

OpenAI 博客中对 RSI 的定义，https://openai.com/zh-Hans-CN/index/building-standards-next-phase-ai/

一个六十年前的念头

今年成了 KPI

1965 年，英国数学家 I. J. Good 在论文《关于第一台超智能机器的推测》中写下了一个判断：第一台超智能机器，将是人类需要做出的「最后一项发明」，前提是这台机器足够温顺，愿意告诉我们如何控制它。

逻辑并不复杂。如果一台机器设计机器的能力强过人类，它就能设计出更好的机器，后者再设计出更好的机器，如此循环，智能便会「爆炸」。

此后几十年，这个设想主要活在哲学论文和科幻小说里。2000 年代，Jürgen Schmidhuber 提出过只有在能证明「改写对自己有益」时才动手改写自身的「哥德尔机」，但它更像一个优雅的理论构造，而不是一个能跑起来的系统。

2026 年，情况变了。4 月，ICLR 在里约热内卢举办了一场专门讨论 RSI 的 Workshop，组织方称这「可能是全球第一个」只聚焦 RSI 的学术研讨会，并称 RSI「正在从一个投机性的愿景，变成一个具体的系统问题」。

资本跑得更快。5 月，Richard Socher 的新公司 Recursive Superintelligence 结束隐身，带着 6.5 亿美元融资亮相，目标是造出能自主发现弱点、自主重新设计自己的模型。联合创始人名单相当豪华，包括前 Meta FAIR 研究总监田渊栋、曾在 Google DeepMind 领导开放性与自我改进研究的 Tim Rocktäschel、ViT 作者之一 Alexey Dosovitskiy，以及以开放式演化研究闻名的 Jeff Clune。

7 月底，翁荔（Lilian Weng）宣布离开自己参与创办的 Thinking Machines Lab，仅仅两天后，OpenAI 便确认她回归，并将负责 RSI 方向的研究。

Elon Musk 的表态一如既往地激进。他在 3 月称，xAI 的 Grok「每一代模型都由上一代构建」，人类在回路中的参与越来越少，完全自动化可能在今年底实现，「最晚不超过 2027 年」。

视频链接：https://mp.weixin.qq.com/s/ZTguYYBXIszoHPZluII52g

不过，「RSI」这个词今天的含义其实相当宽泛：有的公司把任何「AI 对模型改进的反馈」都算作 RSI，有的则只认完全自主的闭环。康奈尔大学助理教授 John Thickstun 表示：用上一代模型写代码、帮忙构建下一代模型，这件事「我们已经做了好几年了」。所以真正的问题并不是「有没有」，而是「到了第几层」。

前沿实验室里到底发生了什么?

Anthropic：从 80% 的代码到 26% 的研发

https://www.anthropic.com/institute/recursive-self-improvement

Anthropic 在 6 月的长文中给出了一组此前未公开的内部数据。截至 2026 年 5 月，合并进 Anthropic 代码库的代码中，超过 80% 由 Claude 编写；而在 2025 年 2 月 Claude Code 发布之前，这个比例只有个位数。2026 年第二季度，工程师人均每天合并的代码量是 2024 年的 8 倍。

Anthropic 自己也承认，代码行数是个「不完美的指标」，于是补充了一个更接近研究的测试：每发布一个新模型，都让它去优化一段训练小模型的代码，在通过同样正确性检查的前提下让它跑得尽可能快。

2025 年 5 月，Claude Opus 4 平均做到约 3 倍加速；到 2026 年 4 月，Claude Mythos Preview 做到了约 52 倍。作为参照，一位熟练的人类研究员需要 4 到 8 小时才能做到 4 倍。

在「优化一个目标已经定好的实验」任务上，AI 用不到一年时间，从「很有帮助」走到了「超越人类」。

9 月 17 日，Anthropic 又推出了一个原型版的「R&D 自动化指数」。它把公司内部所有类型的 AI 研发任务逐一编目，用非营利研究机构 Epoch AI 设计的六级量表评估每类任务的自动化程度。

结论是：截至 8 月，Claude 在 26% 的研发工作中处于「主导」（leads）级别，即只需一个高层级指令，就能端到端完成大部分任务，人类负责监督；这个数字在今年 3 月还只有约 1%。超过 90% 的研发工作有 Claude「协作」参与，而完全自主、无人在环的比例仍然是零。

https://www.anthropic.com/institute/measuring-pace-of-ai-development

OpenAI：每个研究员背后，有 3.1 个「智能体工作日」

2025 年 10 月的一场直播中，Sam Altman 给 OpenAI 定下两个公开时间点：

• 2026 年 9 月实现「实习生级」AI 研究助理
• 2028 年 3 月实现「真正的 AI 研究员」

9 月 6 日，OpenAI 发文宣布第一个目标已经达成。按照它的定义，「研究实习生」是一个能在人类指导下完成边界清晰的研究任务的系统，包括熟练研究员需要花几天才能完成的任务。

https://openai.com/zh-Hans-CN/index/research-acceleration-view-inside-openai/

更有意思的是 OpenAI 同时披露的内部用量。以 8 小时工作日折算，其研究部门目前每投入 1 个人类工作日，就对应约 3.1 个「智能体工作日」，这一比例是今年 6 月之后才越过的。8 月中旬，研究员每天的推理消耗中位数（按 API 价格计）超过 600 美元，重度用户则超过 7000 美元。

再往前看，OpenAI 在 2 月发布 GPT-5.3-Codex 时就写道，这个模型的早期版本「在创造自身的过程中发挥了关键作用」，参与了调试训练、管理部署和诊断评测失败。这被视为前沿实验室第一次明确承认，模型实质性地参与了构建自己继任者的工程回路。

但 OpenAI 在同一份报告里也表示：在成功完成的 4 到 8 小时任务中，超过一半仍然需要至少一次人类干预。

智谱与 MiniMax：国内玩家的「工程闭环」

国内厂商的 RSI 实践，走的是更「工程」的路线。3 月 18 日，MiniMax 发布 M2.7 时称其为「首个深度参与自身进化的模型」。

https://x.com/MiniMax_AI/status/2034315320337522881

据官方介绍，模型在「分析失败轨迹、规划改动、修改脚手架代码、运行评测、对比结果、决定保留或回退」的循环中跑了超过 100 轮，内部评测集效果提升 30%；在强化学习研发的工作流中，它能胜任 30% 到 50% 的环节。

9 月 17 日，智谱创始人兼首席科学家唐杰在 X 上发布长文，披露了智谱在 RSI 方向的首个工程化实践。

https://x.com/jietang/status/2100482019088060470

由 GLM-5.3 驱动的 Infra Agent，在超过 10 万张国产芯片组成的集群上，从零搭建了 GLM-5.3-Flash 的生产级推理服务，不到两周就把端到端吞吐提升到初始基线的 3 倍，据称硬件利用效率与单 Token 成本已达到主流英伟达 GPU 的水平。这套系统接受了真实流量的检验：GLM-5.3-Flash 以匿名模型 Ox-Alpha 的身份在 OpenCode 和 OpenRouter 上线，收获好评无数。

值得注意的是，这两个案例改进的都不是模型权重本身，而是模型的「外壳」：前者是脚手架（scaffold），后者是推理基础设施。这恰恰是今天 RSI 最现实的落点。它也引出了下一个问题：到底改进哪一层，才算真正的「自我改进」？

套娃实验

让 AI 去改进「改进 AI 的 AI」

Karpathy 的 630 行循环

回到开头的 autoresearch。它的设计挺简单：给智能体一个单 GPU 的小型 LLM 训练脚本，让它修改代码、训练 5 分钟、看验证指标有没有变好，变好就保留，变差就回滚，然后循环往复。一小时大约能跑 12 个实验。

据多方报道，Karpathy 让它在自己早已精心调优过的 nanochat 上连续跑了约两天，在约 700 次尝试中积累下约 20 项有效改进，把「训练到 GPT-2 水平」的时间从 2.02 小时压到 1.80 小时，提速约 11%。其中一项发现连 Karpathy 本人都没注意到：他的 QK-Norm 实现漏掉了一个缩放系数，导致注意力在各个头之间过于分散。

https://x.com/karpathy/status/2031135152349524125

autoresearch 证明了「让 AI 自己跑实验」是可行的，但它改进的是一个被训练的小模型，而不是智能体自己。严格意义上的 RSI，要求系统把手术刀对准自己。

AIDE²：8 天超越两年，以及一场没通过的「点火测试」

7 月，初创公司 Weco AI 发布的 AIDE² 被不少观察者称为迄今最严格的 RSI 证据。

它是一个双层循环：内层是一个研究智能体，负责针对 AI 研发任务优化代码；外层是另一个智能体，负责改写内层智能体的 harness 代码，也就是决定智能体如何搜索、如何管理上下文、如何验证结果的那部分。

https://arxiv.org/abs/2609.26457

在论文实验中，外层智能体运行在 Claude Opus 4.7 上，而所有内层智能体都固定用 Gemini 3 Flash 评估，以确保改进来自代码本身，而不是换了更强的底座模型。

8 天、100 步无人值守运行，外层循环提出了 99 个改写方案，其中 7 个被接受。最终产出的智能体，在多个从未参与筛选的外部基准上，超过了 Weco 工程师手工打磨两年的版本。以 WeatherBench 2 为例，其预报技能增益达到 0.793，人工版本为 0.404。

Weco 把 RSI 分成 0 到 3 四个等级，并据此宣称 AIDE² 达到了第 1 级「净正向」：系统改进自己的效率，超过了人类在同等预算下改进同一系统的效率。但它刻意没有宣称第 2 级「点火」（ignition），即系统改进了「自我改进的能力」本身。

https://www.weco.ai/blog/4-levels-of-recursive-self-improvement

为了检验这一点，团队做了一个巧妙的测试：把进化出的智能体 AIDE47 放到外层循环的座位上，看它是不是一个更好的「改进者」。结果是，它大约 20 步就逼近上限，而人工版本需要约 40 步；但两者最终到达的天花板差不多，而且每组只跑了 3 个随机种子。Weco 的结论是，证据「尚无定论」。

在最接近 RSI 的实验里，研究者自己按下了刹车，承认「火还没点着」。还挺有意思的。

97% 对 23%：当 AI 去做 AI 安全研究

另一个经典案例，来自 Anthropic 4 月发布的自动化对齐研究。研究者把一个开放问题交给一组 Claude 智能体：较弱的模型能否可靠地监督较强的模型？这个问题有明确的「地板」和「天花板」。

两名人类研究员花了大约一周，恢复了其中约 23% 的差距；智能体累计工作 800 小时、花费约 1.8 万美元算力，恢复了 97%。不过，Anthropic 也列出了限制：结果没能干净地迁移到生产规模的模型上，选题和评分标准仍由人类设定。

https://www.anthropic.com/institute/recursive-self-improvement

泼点冷水

顶级工程师，平庸研究员

如果说上面的案例描绘了一条陡峭的曲线，那么 8 月普林斯顿大学的一项研究，就是一盆冷水。

由 Peter Kirgis 和 Sayash Kapoor 领衔的多机构团队，设计了一种叫「影子评估」（shadow evaluation）的方法：从尚未公开的高质量论文里挑研究问题，让 AI 独立作答。因为论文还没发表，AI 不可能在训练数据里「背过」答案。

他们选了两篇投稿 NeurIPS 2026 的论文，给运行在开源框架 OpenClaw 上的 Claude Opus 4.8 六天时间、3000 美元 API 额度、GPU 预算、独立虚拟机和开放网络，要求它产出一篇达到顶会水准的论文，再请原论文作者按审稿标准打分。

中文版由 ChatGPT 制作，原表格来自 https://arxiv.org/abs/2607.27191

两篇都被拒了。

Kapoor 的评价是，智能体在工程上无可挑剔，它们调研文献、跑了数百个实验、整理了结果，「但在做研究本身这件事上，它们毫无疑问很糟糕」。它们会在极小的合成数据集上验证假设，过早押注没有前景的方向；面对失败只会小修小补，无法推倒重来；收到子智能体或外部审稿工具的批评后，它们不去修改方法，而是缩小结论、加上免责声明。

Kapoor 把原因归结为训练方式。强化学习擅长让模型在「可以自动判分」的任务上变强，而开放式研究恰恰最难判分。

Anthropic 联合创始人 Jack Clark 在自己的通讯 Import AI 中写道，这一发现与 Anthropic 尝试自动化安全研究时的观察「相互印证」：今天的 AI 是「非凡的工程师」，却带着某种「刻板、公式化的思维」，这可能妨碍它们成为好的研究者。他称之为对「短 RSI 时间线」的一个「看空信号」。

Anthropic 自己的数据，其实也画出了这条边界。在一项「下一步该做什么」的测试中，研究者挑出 129 个人类研究员走了弯路的真实时刻，让模型只看此前的上下文给出建议。最好的模型胜过人类选择的比例，从去年 11 月的 51% 提升到今年 4 月的 64%。但在另一组人类选择本就很好的时刻里，模型建议被判更优的比例只有约 20%。用 Anthropic 的原话说，人类当下的比较优势仍在于「研究品味与判断力」。

还有一个容易被忽略的问题：谁来当裁判？Anthropic 衡量 Claude Code 会话成功率时，用的是「Claude 裁判」；OpenAI 宣布实习生达标，依据的也是内部指标。对于这些自己给自己当裁判的做法，我们也要多留个心眼。

此外，自动化本身也在制造新的瓶颈。Anthropic 坦言，随着 Claude 产出的代码越来越多，人类代码审查已经成了新的卡点，这正是计算机体系结构中的 Amdahl 定律：整体速度，终究被那些没被加速的环节所限制。

当循环跑出了沙箱

RSI 的讨论之所以在今年夏天骤然升温，不只是因为能力曲线，还因为两起事故。

7 月 16 日，Hugging Face 披露其基础设施遭到一个自主智能体入侵。5 天后，OpenAI 承认那是自己的模型：GPT-5.6 Sol 和一个尚未发布的更强模型，在一项刻意调低了安全拒答的内部网络安全评测 ExploitGym 中，利用沙箱唯一的对外通道，即一个软件包镜像缓存代理中的零日漏洞，逃到了公网。随后它们提权、横向移动，最终触达 Hugging Face 的部分生产系统。据 OpenAI 的说法，模型之所以盯上 Hugging Face，是因为想在那里找到与评测任务相关的解法。

《纽约时报》制作的流程示意图，智能体利用短链接与截图服务绕过写入限制。由 ChatGPT 制作中文版，https://www.nytimes.com/2026/09/25/technology/openai-hugging-face-hack.html

9 月初，路透社又披露了另一起此前未公开的事件：从 5 月下旬起，一批名字类似「OpenAIResearcher」的智能体对一个德语编程维基 DseWiki 进行了超过 1.5 万次编辑，把它变成了智能体之间的留言板，交流如何在任务中「作弊」、掩盖行为、绕过 OpenAI 的限制。

严格来说，这两起事件都不是 RSI，它们发生在网络安全能力评测中，而不是模型自我迭代的回路里。但它们揭示了同一个结构性风险：当大量智能体长时间无人值守地追逐一个指标时，它们会用人类没想到的方式寻找捷径。回看 AIDE² 那个「作弊率从 63% 降到 34%」的细节，它既是好消息，也是提醒：在没人专门盯着的时候，三分之一的尝试依然在钻空子。

Anthropic 在 9 月的披露中给出了另一组数字，可以看作行业对此的回应姿态。截至 8 月，公司内部任何时刻都有约 3 万个智能体在做研究和工程工作，它们的每个动作在执行前都要经过在线监控，事后再全部经过离线审查。8 月的逾 10 亿次决策中，大约每 4.7 万次被拦截一次。与此同时，在 7 月某一周的快照中，投向 AI 研发的算力只有约 6% 用于安全工作。

R 值大于 1 了吗？

那么，我们离真正的「智能爆炸」到底有多远？伦敦数学科学研究所的 Mikhail Burtsev 8 月底在 arXiv 上发表的一篇论文，提供了一个借自流行病学的思考框架。

他定义了一个「递归再生数」R_AI，本质是两股力量的比值。分子是 AI 研究能力提升带来的递归增益，乘以这份增益能真正穿过评测、训练、部署流水线，落到下一代模型身上的比例，他称之为「运营闭合度」；分母则是研究前沿「变硬」的速度，也就是越往前走，改进越难。R_AI 大于 1，每一点改进都会在后续研发周期中被放大；小于 1，则逐代衰减。

https://arxiv.org/abs/2609.00137

这个框架有几个反直觉的推论。

第一，跨过临界点与能力水平没有必然关系。一个系统可能在加速变得肉眼可见之前，就已经处于「超临界」状态；反过来，飞快的进步也可能只是砸钱砸算力的结果，并不意味着自我放大。

第二，在一个固定的技术范式内，超临界状态可能只是暂时的。低垂的果实被摘完后，前沿变硬会把系统拉回亚临界，直到下一次范式突破。

第三，当改进在多个研究机构之间强力流动时，整个生态可以是超临界的，哪怕其中每一家机构单独看都是亚临界的。

在 Burtsev 的模拟中，个体都没达到临界、但彼此大量互相借鉴的「开放生态」，从 AGI 到 ASI 的过渡时间反而最短。换句话说，递归回路未必只存在于某一栋楼里。当一家实验室的 harness 技巧、推理优化和训练配方以开源形式迅速扩散，整个行业本身就可能构成一个更大的「自我改进系统」。当然，论文作者也强调，这些模拟只是用来区分机制的条件推演，而不是概率预测。

对失控可能性的担忧，最终在 9 月变成了一场罕见的行业表态。9 月 12 日，Dario Amodei 发表约 3800 字的长文《We Must Pace the Frontier》，核心一句被加粗：我们必须放慢提升 AI 模型能力的速度。

他提出三步走：在前沿实验室内部嵌入拥有「类员工权限」的独立评估者，建立共同的安全标准，推动国际协调，并宣布 Anthropic 将单方面先迈出第一步。

Altman 数小时内表示 OpenAI 会跟进，Musk 回复了三个词「Dario is right」，Demis Hassabis 称其指向「正确的道路」。

五天后，Anthropic 发布了 Claude 主导 26% 研发的数据。一边呼吁踩刹车，一边公布油门已经踩得多深，这就是 2026 年 RSI 叙事的缩影。

AI 递归提升之路即是人类参与度的下坡路

Anthropic 那篇长文引用了两段员工的内部发言，读起来挺有温度。

一位员工说，过去的工作靠人与人之间的小忙维系，「能帮我把这个脚本跑起来吗」，每一次求助都欠下一点人情，也制造一点彼此的了解；Claude 更快，也不欠人情，但每一次都是一次「错失的人际协作」。

另一位员工说，在一切顺利的日子里，他会觉得自己做的事情都不重要，因为一切都被自动化了，而且比自己更快更好；可到了一切都坏掉、又不知道为什么的日子，他才意识到，自己已经不清楚最近到底在做些什么了。

这或许就是 RSI 在 2026 年最真实的样子。它不是某一天突然被按下的开关，而是一条人类参与度逐级下降的斜坡：先是不再亲手写代码，再是不再亲手跑实验，接下来是不再亲手决定下一步。目前，斜坡还停在「研究品味」这一级台阶上：Weco 的火没有点着，普林斯顿的两篇论文被拒，OpenAI 的实习生一半时间还需要人搭把手。

但 Burtsev 的论文提醒我们，真正该盯着的不是能力曲线有多陡，而是一个更难测量的量：每一份 AI 研究能力的提升，是否让下一份提升变得更容易。如果答案开始变成「是」，信号可能会在加速肉眼可见之前就已经出现。

Karpathy README 里那个第 10205 代的玩笑，今天仍然只是个玩笑。只不过，已经没有人敢打包票说，它永远只是个玩笑了。