OpenAI 在 GPT-5.6 全球 GA 的技術材料裡，除了 Sol／Terra／Luna 三檔定價與 benchmark 表格外，還丟出一個更敏感的能力證據：旗艦 Sol 在幾乎沒給完整食譜的情況下，替較小的 Luna 模型跑完一輪後訓練（post-training）——選配置、挑 GPU、啟動腳本、確認任務正常運行。The Decoder 與 OfficeChai 引述內部研究員 Jason Liu 的說法：Sol 並非從零設計訓練法，而是把 Sol 自己後訓練時用過的配置改寫給 Luna；若靠人力，「大概需要兩位研究員多兩週」。這句話很重要：它把「遞迴自我改進（RSI）」從科幻詞彙，拉回到可計時、可分工的自動化研究流水線。
同一批文件還公布 RSI Index：Sol 57.9%、Terra 56.3%、Luna 41.9%，對比 GPT-5.5 的 41.7%——Sol 領先 16.2 個百分點。若你剛讀過 GPT-5.6 政府審查鬆綁與公開釋出，可以把今天這則消息理解成：模型不只「更會答題」，還更會替實驗室幹「訓練營運」類的活。
官方到底展示了什麼：一句「欠指定」的指令
OpenAI 在發布直播中展示了一張真實研究員透過 Codex 發給 Sol 的指令截圖——不是示意圖，但大量 repo 路徑、配置檔與算力細節被塗黑。留下來的可讀部分，足以看出任務性質：在 Luna 完成預訓練之後，由 Sol 接手後訓練，把模型對齊到特定技能與行為。
The Decoder 引述的流程是：
- 研究員給出「相當 under-specified」的 提示詞；
- Sol 自行找出合適的訓練配置；
- 選擇 GPU 資源；
- 啟動後訓練腳本；
- 驗證訓練是否正常運行。
這與一般 微調 或 模型蒸餾 論文裡的「老師—學生」敘事不同：操作主體不是人類研究員點擊腳本，而是同一個模型家族裡的旗艦型號在 orchestration 層代勞。 OfficeChai 把這張截圖與 OpenAI 內部「每位研究員每週實驗數約翻倍」的曲線放在一起讀，認為 Sol 訓練 Luna 就是這條曲線的具體樣本——模型開始吃掉實驗迴圈裡最耗時的「把配置跑起來」環節。
Jason Liu 的澄清則是必要的降溫：Sol 沒有從零發明完整訓練配方，多數超參與流程本就來自 Sol 自己的後訓練；Luna 的任務是適配與執行。這距離科幻意義上的「模型無人類設計下一代模型」還很遠，但已經明顯超過「只會寫 Jupyter notebook」的助手階段。
RSI 指數與 PostTrainBench：怎樣讀這 16.2 點
OpenAI 把 RSI（Recursive Self-Improvement）操作化成一組內部評估的加總，而不是單一考試分數。公開表格裡與「自我改進」最直接相關的包括：
| 評估項目 | GPT-5.6 Sol | GPT-5.6 Terra | GPT-5.6 Luna | GPT-5.5 |
|---|---|---|---|---|
| PostTrainBench Lite | 50.3% | 51.5% | 29.6% | 38.8% |
| RSI Index | 57.9% | 56.3% | 41.9% | 41.7% |
| Internal Research Debugging | 68.3% | 67.8% | 50.8% | 50.0% |
| KernelGen 1P | 61.1% | 49.2% | 22.4% | 29.3% |
幾個讀法值得分開：
PostTrainBench Lite 上，Terra（51.5%）甚至略高於 Sol（50.3%），說明「最便宜旗艦」未必在每個後訓練子任務都贏，但 Sol 在整體 RSI 加權裡仍居頂。這暗示 RSI 指數不只看單一後訓練成功與否，還包含除錯、內核生成等研究輔助能力。
Luna 的 PostTrainBench 只有 29.6%，低於 GPT-5.5 的 38.8%——這與「Sol 幫 Luna 做後訓練」並不矛盾：後者講的是誰來操作訓練管線，前者量的是Luna 自己作為代理的能力。小模型便宜，但在研究自動化上仍明顯落後旗艦。
16.2 點的躍升應解讀為「整個實驗室加速」，不是「明天就會出現無人類的 AGI 閉環」。Anthropic 早在 2025 年中就提醒：完整 RSI——模型在無人類介入下設計自己的繼任者——尚未達成，但可能「比多數機構準備的更快到來」；目前業界共識仍是人類仍掌握個位數百分比的方向性決策，模型負責增量優化與實驗執行。
三檔產品線：Sol 做研究，Terra／Luna 做規模
GPT-5.6 家族在 API 定價上拉開梯度（每百萬 token）：Sol 輸入 5 美元／輸出 30 美元；Terra 2.5／15；Luna 1／6。OpenAI 明確把 Terra 定位為「性能接近 GPT-5.5 但約一半成本」，Luna 則是「最低成本檔」。
這與 Sol 訓練 Luna 的故事形成產品閉環：
若 Sol 能穩定替 Luna 做後訓練迭代，OpenAI 等於在組織內部實踐一種「大模型帶小模型」的運維模式——對外賣 Luna 便宜 API，對內用 Sol 降低小模型對齊成本。這比單純 模型蒸餾 論文更接近商業現實：昂貴型號變成實驗室裡的資深工程師，便宜型號變成出貨產品。
同一篇 GA 公告還強調 Sol 在 Artificial Analysis Coding Agent Index 創 80 分新高、Terminal-Bench 2.1 達 91.91%（ultra thinking）等——與「敢把訓練腳本交給模型跑」的能力一致：長鏈路、可自我糾錯的 AI代理 行為，才是 RSI 真正的前置條件。
與 Anthropic、Google 的對照：RSI 競賽還是敘事競賽？
Anthropic 的 Claude Fable 5／Mythos 5 仍在多個公開 benchmark 與 OpenAI 纏鬥；Google Gemini 3.x 則在多模態與長上下文上緊咬。Sol 訓練 Luna 這類披露，短期無法被第三方獨立複現（內部基準 + 塗黑 prompt），因此行業會分成兩派：
- 相信派認為：誰先自動化後訓練，誰就能以更低人力密度迭代模型家族，這是下一階段護城河；
- 懷疑派認為：在沒有公開訓練細節（資料規模、算力、對齊堆疊）的情況下，RSI 分數更像內部 OKR，而非可審計科學。
對開發者與企業採購的實務含義則較清晰：API 價格戰會繼續下壓——Luna 已把入門價打到每百萬輸出 6 美元；若內部後訓練成本下降，OpenAI 有空間維持毛利同時推廣代理型產品（見 ChatGPT Work 辦公代理戰）。競爭對手若無類似自動化管線，可能在「模型更新頻率」上落後，而不只是在單次 benchmark 分數上落後。
風險與邊界：還不能叫「自我複製」
把 Sol → Luna 稱為 RSI 進展時，至少有三條邊界要記住。
第一，人類仍設計總路線。 預訓練、安全政策、發布節奏、政府審查（GPT-5.6 曾限縮「可信夥伴」預覽）都不是 Sol 自己決定的。
第二，安全與對齊成本仍在膨脹。 OpenAI 披露 GPT-5.6 系列投入逾 70 萬 A100 等效 GPU 小時做自動化紅隊；這是訓練相鄰成本，不是能力訓練本身，但會吃掉「自動化省下的研究員時間」的一部分收益。
第三，網路安全評估顯示能力邊界仍在。 官方 system card 路徑稱 Sol 在 Chromium／Firefox 相關評估中能找到漏洞與利用 primitive，但未能在測試條件下自主完成完整攻擊鏈——說明「能跑訓練腳本」不等於「能無限制地自我增強危險能力」。
開發者與投資人該盯什麼
若你關心 大型語言模型 產業而非單一產品發布會，建議把驗證清單設成：
- OpenAI 是否持續公開更多 RSI 子基準（例如 PostTrainBench 完整版或第三方可跑版本）；
- Luna 後續版本的能力跳躍是否加速——若 Sol 自動後訓練可複用，Luna 迭代週期應短於傳統小模型；
- 競品是否跟進披露「模型操盤訓練」案例，避免只剩一家講故事；
- 代理產品毛利能否消化 Sol 的高價推理成本（輸出 30 美元／百萬 token 仍不便宜）。
結尾一句話：Sol 替 Luna 做完後訓練，不是科幻電影裡的「AI 生 AI」，而是把實驗室裡最瑣碎、最耗人力的那兩週搬進 Codex——但當這兩週被壓縮成幾小時，整個前沿模型的迭代節奏就已經換檔了。