GPT-5.6 Sol od OpenAI samodzielnie wytrenował mniejszy model Luna, przyspieszając rozwój AI

OpenAI ogłosiło, że ich najnowszy flagowy model, GPT-5.6 Sol, samodzielnie przeprowadził post-trening mniejszego modelu Luna. To osiągnięcie ma na celu przyspieszenie rozwoju sztucznej inteligencji poprzez wykorzystanie AI do usprawnienia własnych procesów badawczych i deweloperskich.

Autonomiczny post-trening i rola badacza

Po wstępnym treningu modelu Luna, Sol przejął optymalizację jego specyficznych umiejętności i zachowań. Badacz OpenAI przekazał Solowi „dość niedookreśloną instrukcję” za pośrednictwem platformy Codex. Instrukcje te nakazywały modelowi znalezienie odpowiednich konfiguracji treningowych, wybór właściwych jednostek GPU, uruchomienie skryptu treningowego oraz weryfikację poprawnego działania całego procesu. Kathy Shi, badaczka OpenAI, podkreśliła podczas prezentacji, że zadanie to wcześniej wymagało pracy zespołu doświadczonych badaczy, a teraz „zautomatyzowany badacz jest już bardzo blisko”.

Wzrost wydajności i wskaźnik RSI

OpenAI opracowało wewnętrzny pakiet ewaluacyjny, oparty na rzeczywistych zadaniach badawczych w dziedzinie AI, aby mierzyć te zdolności. Zadania te obejmują debugowanie systemów badawczych, optymalizację kerneli i receptur treningowych, przeprowadzanie eksperymentów uczenia maszynowego oraz ulepszanie innych modeli. Według OpenAI, GPT-5.6 Sol osiąga wynik o 16,2 punktu wyższy niż GPT-5.5 w zagregowanym indeksie RSI (Recursive Self-Improvement). Sol znajduje się na szczycie hierarchii modeli w tym benchmarku, wyprzedzając warianty Terra i Luna, a następnie GPT-5.5 i GPT-5.4.

Rekurencyjne samodoskonalenie (RSI) w badaniach AI odnosi się do zdolności systemu AI do ulepszania samego siebie, gdzie każda runda ulepszeń zwiększa jego zdolność do dalszego samodoskonalenia, tworząc pętlę sprzężenia zwrotnego. Koncepcja ta od dawna jest kluczowa w badaniach nad bezpieczeństwem AI, ponieważ system zdolny do rekurencyjnego samodoskonalenia mógłby teoretycznie wywołać gwałtowny wzrost możliwości.

Kontekst branżowy i obawy Anthropic

Konkurent OpenAI, firma Anthropic, na początku czerwca podkreśliła, że pełne rekurencyjne samodoskonalenie nie zostało jeszcze osiągnięte, ale „może nadejść szybciej, niż większość instytucji jest na to przygotowana”. Pełne RSI oznacza system AI, który projektuje swojego następcę bez pomocy człowieka. Według Anthropic, ich model Claude jest już w stanie wykonywać prace przyrostowe między dużymi zmianami paradygmatów, a udział ludzi w podejmowaniu decyzji kierunkowych wynosi zaledwie jednocyfrowy procent.

Wpływ na wewnętrzne procesy OpenAI

OpenAI informuje, że ich badacze wykorzystują GPT-5.6 Sol na wszystkich etapach cyklu rozwojowego, od debugowania i optymalizacji systemów treningowych po przeprowadzanie eksperymentów i analizę wyników. Nawet podczas wewnętrznych testów, średnia dzienna liczba tokenów generowanych przez aktywnego badacza ponad dwukrotnie przekroczyła poprzedni szczyt osiągnięty z GPT-5.5. Wzrosła również liczba pull requestów i eksperymentów na badacza, co pozwala zespołom szybciej przekształcać pomysły w konkretne rezultaty.

Dane dotyczące wewnętrznego wdrożenia z ostatnich sześciu miesięcy wskazują na znaczny wzrost. Udział mocy obliczeniowej przeznaczonej na wewnętrzne wnioskowanie kodowe wzrósł 100-krotnie, podczas gdy użycie tokenów opartych na agentach wzrosło około 22-krotnie. OpenAI przyznaje, że te metryki nie mierzą bezpośrednio postępu badawczego, ale pokazują, jak szybko skaluje się praca wspomagana przez AI.

Zdolność GPT-5.6 Sol do autonomicznego post-treningu i znaczące przyspieszenie wewnętrznych procesów badawczych w OpenAI wskazują na dynamiczny rozwój w dziedzinie sztucznej inteligencji. Chociaż pełne rekurencyjne samodoskonalenie pozostaje celem, obecne osiągnięcia sugerują, że AI staje się coraz bardziej samodzielna w procesie własnego rozwoju, co może mieć dalekosiężne konsekwencje dla przyszłości technologii i badań naukowych.

Źródło: the-decoder.com