Google、OpenAI、Anthropic 傳突破 AI 遞迴式自我改進！用 AI 研發下一代 AI
X 帳號 @imjustnewatai 近日引述未具名內部人士消息指出，Google、OpenAI 與 Anthropic 三大 AI 實驗室，據傳都已經實現或非常接近「遞迴式自我改進」（Recursive Self-Improvement，RSI）。這項技術意味著 AI 不再只是被動接受人類研究員的訓練，而是開始參與改善自身的訓練方法、演算法與基礎設施，加速下一代模型的開發。
爆料進一步提及 Google 模型能力的快速提升、Anthropic 啟動新一輪預訓練，以及 OpenAI 內部代號「Bel」的神祕模型。不過，截至目前，三家公司均未公開證實已經實現完整的 RSI，相關模型代號、訓練進度及技術突破仍屬未經證實的市場傳聞。
Google 傳已突破 RSI，模型能力數個月內快速提升
根據 @imjustnewatai 的說法，Google 內部人士透露，公司已經突破 RSI，或者距離實現這項技術只差最後一步。
廣告 - 內文未完請往下捲動
爆料指出，Google 過去幾個月的模型開發速度明顯加快，據稱已從 GPT-5 等級迅速提升至 Anthropic Opus 5.5 等級，外界因此猜測，背後可能就是 RSI 技術開始發揮作用。
如果消息屬實，這意味著 Google 的模型進步不再完全依賴人類研究員逐步調整架構與訓練流程，而可能已有 AI 系統參與研究、提出改進方案，再將成果應用於下一代模型。
Anthropic 傳啟動 Fable 6 預訓練，追趕 OpenAI 神祕模型 Bel
Anthropic 方面，爆料者聲稱，公司約在一週前啟動了一次新的大型預訓練（Pretraining）。值得注意的是，這次訓練據稱並非外界預期的 Fable 5.5，而是可能發展為 Fable 6，甚至規模更大的下一代模型。爆料者認為，Anthropic 此舉是為了追趕 OpenAI 內部代號「Bel」的前沿模型，暗示三大實驗室之間的競爭已經進入新的階段。
OpenAI 神祕模型 Bel，傳為最新數學研究突破幕後功臣
相較於 Google 與 Anthropic 的傳聞，OpenAI 近期確實已公開展示一批新的 AI 數學研究成果。10 月 6 日，OpenAI 發表研究公告《Sharing AI progress in mathematics》，宣布利用尚未公開的內部前沿模型，針對多項數學開放問題取得新成果，並透過 GitHub 分享研究內容，供數學社群審查與討論。
這批成果涵蓋數百組研究結果，顯示 AI 在數學推理與研究領域的能力正在迅速提升。不過，部分成果仍有待數學家進一步驗證，並不代表所有問題都已獲得公認的完整解答。爆料者聲稱，完成這批研究成果的正是 OpenAI 內部模型 Bel，並且 RSI 技術也在其開發過程中發揮作用。
RSI 是什麼？用 AI 參與下一代 AI 的研發
所謂遞迴式自我改進，核心概念是讓 AI 系統參與改善 AI 本身的能力，並將改進成果反覆投入後續研發。
舉例來說，AI Agent 可以協助研究員撰寫訓練程式碼、尋找模型架構的效率瓶頸、改善資料處理流程，甚至提出新的訓練與推理方法。當這些成果提高下一代 AI 的能力，新模型又能進一步參與更複雜的研究工作，就可能形成持續加速的正向回饋迴圈。
這也是 RSI 與一般 AI 自動化最大的差別：不只是 AI 幫助人類完成工作，而是 AI 的工作成果能夠反過來增強下一代 AI 的研發能力。
鏈新聞先前曾報導，OpenAI 首席科學家 Jakub Pachocki 已公開談及 AI 正走向遞迴式自我改進，並將 AI 參與下一代模型的研發視為重要發展方向。
曾先後參與 OpenAI 與 Anthropic 預訓練研究的 Jacob Coxon，也在今年 9 月離職後提出警告，批評兩家公司正加速追求具備自我改進能力的超級智慧，卻尚未充分解決相關風險。Coxon 認為，即使部分研究員理解 AI 可能帶來的重大安全問題，實驗室之間的競爭仍可能促使各家公司持續加速開發。
(前 OpenAI、Anthropic 研究員辭職示警：兩家公司拿全人類性命豪賭「自我改進超級智慧」)
智譜 GLM 已展示自我優化雛形，但距離完整 RSI 仍有差距
實際上，AI 參與改善 AI 基礎設施的技術進展，已不再只是概念。中國 AI 公司智譜（Z.ai）今年 9 月曾公布，利用 GLM-5.3 驅動的 AI Agent，自動建構並優化 GLM-5.3-Flash 的推論基礎設施。按照智譜的說法，這些代理能夠自行分析系統效能瓶頸、定位程式錯誤並提出修正，使系統在兩週內達到原始基準 3.2 倍的端到端吞吐量。
不過，智譜創辦人唐杰也特別強調，這不代表公司已經實現真正的 RSI。他表示，團隊距離遞迴式自我改進仍然很遠，但已經建立最初步的改進迴圈。
原因在於，目前 AI Agent 雖然可以自行完成部分工程優化，研究目標、驗證環境與高風險變更仍由人類負責，而且推論系統效率提升，也不等同於模型本身已經能夠自主改良其核心能力。
但這個案例已經揭示一種可能的發展路徑：AI 先從具有明確驗證標準的工程任務切入，逐步累積優化成果與訓練資料，再擴展至更複雜的模型研究。
(智譜 GLM-5.3 自己優化推論系統，吞吐 3.2 倍但唐杰不稱 RSI)
風險提示
加密貨幣投資具有高度風險，其價格可能波動劇烈，您可能損失全部本金。請謹慎評估風險。
