AI开始造AI：递归自我改进正走进现实

今年3月，Andrej Karpathy在GitHub开源了名为autoresearch的小项目，README以“来自未来”的追忆口吻描述AI研究已完全交给智能体群，代码库迭代至第10205代。这当然是个玩笑，但在2026年正被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”到岗；9月17日Anthropic披露Claude已“主导”公司26%的研发工作；同一天智谱公开国内大模型首个跑进生产环境的“AI改进自身系统”实践。这些消息共同指向沉睡了六十年的词：递归自我改进（RSI）。

1965年，英国数学家I. J. Good在论文中判断：第一台超智能机器将是人类需要做出的“最后一项发明”。此后几十年，这个设想主要活在哲学论文和科幻小说里。2026年情况变了。4月，ICLR在里约热内卢举办专门讨论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。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，联合创始人包括前Meta FAIR研究总监田渊栋、Tim Rocktäschel、Alexey Dosovitskiy和Jeff Clune。7月底，翁荔离开Thinking Machines Lab，两天后OpenAI确认她回归并负责RSI方向研究。Elon Musk在3月称xAI的Grok“每一代模型都由上一代构建”，完全自动化可能在今年底实现，“最晚不超过2027年”。不过“RSI”含义宽泛，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“我们已经做了好几年了”，真正的问题是“到了第几层”。

Anthropic在6月长文中给出内部数据：截至2026年5月，合并进代码库的代码中超过80%由Claude编写，而2025年2月Claude Code发布前只有个位数。2026年第二季度，工程师人均每天合并代码量是2024年的8倍。在优化训练小模型代码的测试中，2025年5月Claude Opus 4做到约3倍加速，2026年4月Claude Mythos Preview做到约52倍，而熟练人类研究员需4到8小时才能做到4倍。9月17日，Anthropic推出原型版“R&D自动化指数”，结论是截至8月，Claude在26%的研发工作中处于“主导”级别，今年3月还只有约1%；超过90%的研发工作有Claude“协作”参与，完全自主、无人在环的比例仍是零。

2025年10月，Sam Altman定下两个时间点：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宣布第一个目标达成。其研究部门目前每投入1个人类工作日，对应约3.1个“智能体工作日”，这一比例是今年6月后越过的。8月中旬，研究员每天推理消耗中位数超过600美元，重度用户超过7000美元。OpenAI在2月发布GPT-5.3-Codex时曾写道，早期版本“在创造自身的过程中发挥了关键作用”。但OpenAI也表示，成功完成的4到8小时任务中，超过一半仍需至少一次人类干预。

国内厂商走更“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”，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%，在强化学习研发工作流中能胜任30%到50%的环节。9月17日，智谱创始人兼首席科学家唐杰披露，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，不到两周把端到端吞吐提升到初始基线的3倍，硬件利用效率与单Token成本已达主流英伟达GPU水平。这两个案例改进的都是模型的“外壳”——脚手架和推理基础设施，而非模型权重本身，这恰恰是今天RSI最现实的落点。