OpenAI押注RSI，国产AI火速交卷

过去两周，AI圈最受关注的关键词是RSI（递归自我改进）。OpenAI公开内部数据：一名人类员工全职一天，AI Agent可完成相当于3.1天的工作量，并计划2028年3月造出真正的“自动化AI研究员”。首席科学家Jakub Pachocki明确表示，OpenAI正将研究重心转向递归自我改进。六天后，Anthropic CEO达里奥也在长文中指出，RSI已在全行业发生，Anthropic自身也不例外。RSI的逻辑是：这一代AI参与研发，让下一代AI变强，更强AI再承担更多研发，形成循环。

国内也出现实践样本。云知声推出U2-Flash，将自迭代放入后训练流程：模型参与发现薄弱环节、生成针对性数据，经训练验证后进入下一轮，把暴露的短板变成下轮进步起点，目标是练成能接住日常复杂工作的“主力模型”。

实测中，U2-Flash接手vLLM一个真实并发Bug：请求带禁用词参数bad_words后，服务偶尔报“Already borrowed”并返回HTTP 500。在无Issue链接、无参考答案、不能联网条件下，它沿报错堆栈追到异步执行、线程池和底层分词器，发现两条路径共用同一个Fast Tokenizer底层对象，并发编码时共享状态冲突。最终为禁用词处理创建独立分词器副本，只改一个文件，新增19行、删除2行。复测200请求、50并发全部成功，4项回归测试从2项失败变为全部通过。

日常任务方面，U2-Flash能根据一句宽泛需求完成新疆旅游攻略PPT，涵盖路线、景点、交通、住宿、美食、预算等，并统筹内容与排版。在买房还是租房的十年账测算中，它做出可视化分析页面，按120个月逐月计算，在房价不涨、投资年化3%等假设下，租房方案10年后多出54.26万元净资产，并找到房价年涨约1.71%的临界点；18项验证通过，网页默认结果与Python计算相差不到1元。它还能根据2D办公室平面描述，自主编写脚本、调用Blender渲染管线，处理布尔运算失败、法线翻转、光照死角等问题，最终交付完整3D场景。

U2-Flash采用稀疏混合专家架构，总参数约266B，单次推理仅激活约10B，激活比例不到4%。在SWE-Bench Pro上得61.6分，比前代U2提升10.5分；DeepSWE v1.1得64.6分，前代为32分，翻倍并超过GLM5.3-Flash、DeepSeek-V4-Pro-0813等；TerminalBench 3.0得24.3分，是前代2.7分的9倍，超过K3等万亿参数级模型；内部U2-SWE-Bench从30.8分升至57.5分。WorkBuddy-Bench Office得81分，超过DeepSeek-V4-Flash（77.5）、DeepSeek-V4-Pro（78.7）和GLM-5.2（79.6）。GPQA Diamond为92.4分，IMOAnswerBench为90.3分，HMMT Feb. 2026为97.1分。支撑表现机制之一正是“隐式思考”：U2-Flash在给出答案前，会先在高维隐藏状态中完成推理。