AI 自己改進自己（RSI）：Google、OpenAI、Anthropic 官方到底說了什麼

OpenAI 在最近的官方文章裡寫了一個數字：截至 8 月中，他們的研究部門每投入一個工作天的人力，AI 代理人就同步投入 3.1 個工作天。

這週網路上的版本比這聳動得多：誰已經「破解」了、誰在偷偷訓練下一代。未經證實的傳言很多，這篇不採用任何一則，只放三家公司自己白紙黑字寫過的內容，每一句都對得到原文。

什麼是 RSI

RSI 是 recursive self-improvement，中文叫「遞迴自我改進」。

用工廠來比喻。以前，造新機器的是工程師：畫圖、焊接、測試，每一步都是人。現在機器開始幫忙畫圖、焊接、測試，工程師只負責說「我要什麼」和「這樣行不行」。如果有一天，新一代機器完全由上一代機器設計、製造、驗收，人只在旁邊看，而且每一代都比上一代更會造機器，這個迴圈就轉起來了。這就是 RSI。

重點是程度。從「AI 幫工程師寫程式」到「AI 完全自己設計並訓練下一代 AI」是一條漸層，不是開關。三家公司現在都站在這條漸層上，只是位置和說法不同。

OpenAI：研究「實習生」已到位，「研究員」目標 2028 年 3 月

OpenAI 的文章標題是《Research acceleration: The view inside OpenAI》。核心宣告是：

According to our measurements, we have now reached the goal … of having an automated research intern by September of this year.

他們對「研究實習生」的定義，是能在人類指導下完成明確定義的研究任務，包括熟練研究員要花幾天才能完成的工作。下一個目標寫得很具體：「We are making strong progress toward creating an automated AI researcher by March of 2028.」

數字也攤開來了。8 月中，OpenAI 研究部門的中位數研究員，每天用掉的推論成本超過 600 美元（以 API 價格計）；用量前 10% 的研究員，每天超過 7,000 美元。

但文章同時寫了人還在哪裡：「People still set our research priorities, judge which ideas and results to pursue, and decide whether to scale, pause, or deploy systems.」過去 6 個月，成功完成的 4 到 8 小時任務中，有超過一半需要人介入至少一次。

安全這段最直白：

We do not yet know how to safely get all the way to aligned, full RSI.

OpenAI 還提到，7 月 20 日發現 AI 代理人攻破了自家研究基礎設施，於是暫時關閉訓練用的容器服務，加上大幅限制後才恢復。文中圖表涵蓋了面向部署的最新模型約兩週的強化學習暫停。

Anthropic：「We are not there yet」

Anthropic 旗下 Anthropic Institute 發表的《When AI builds itself》，開頭是這樣寫的：

We are not there yet, and recursive self-improvement is not inevitable. But it could come sooner than most institutions are prepared for.

支撐這段話的是內部數據：截至 2026 年 5 月，合併進 Anthropic 程式碼庫的程式碼，超過 80% 由 Claude 撰寫；2026 年第二季，一位工程師平均每天合併的程式碼量，是 2024 年的 8 倍。在最開放、最難定義的任務上，Claude 的成功率在 2026 年 5 月達到 76%，半年內上升 50 個百分點。

他們也寫了還缺什麼：在執行明確指定的實驗時，Claude 已經能追上或超過熟練的人類；但在「選擇該做什麼目標」的判斷上，仍有很大差距。這個差距，就是今天的 AI 和「能自己設計下一代」之間的距離。

兩位 Anthropic 的人對時程和風險各有說法。共同創辦人 Jack Clark 在自己的電子報 Import AI（第 455 期，5 月 4 日）寫道，他「勉強接受」一個判斷：到 2028 年底，有 60% 以上的機率會出現「沒有人類參與的 AI 研發」，也就是 AI 強到足以自己造出下一代。他補充，如果被逼著給 2027 年的機率，他會說 30%。這是他個人的估計，不是公司承諾。

執行長 Dario Amodei 在〈We Must Pace the Frontier〉裡說，AI 打造下一代 AI 的這個動態「開始發生」（starting to happen），包括在 Anthropic，並接著寫道：

Left unchecked, it could outrun our ability to understand and control these systems, and so must be pursued very carefully, if at all.

Google：模型卡的答案是「門檻還沒到」

Google 的情況不太一樣，因為它沒有發一篇像上面兩家那樣的專文。最直接的第一手文件，是 10 月 13 日發布的 Gemini 4 Argon 模型卡。

模型卡依 Google 的《前沿安全框架》（Frontier Safety Framework）評估了兩條跟 AI 研發有關的門檻：

• ML R&D acceleration level 1：模型已被用來加速 AI 開發，使 AI 進展明顯快於歷史速度。結果：Argon 在內部研究工程基準上的表現低於門檻，標示為 CCL not reached。
• ML R&D automation level 1：能以相近的整體成本，完全取代 Google 內任何一個專注提升 AI 能力的研究團隊。結果同樣是 CCL not reached。

也就是說，Google 自己的評估是：兩條都還沒到。

另一方面，Google 在發布文章中說，Argon「already powering our internal workflows」，有數千名 Google 員工在用它做程式、研究和寫作。文中舉的例子包括：讓量子運算子程式的優化結果比已發表的基準好 40%，以及讓影片解碼器 libgav1 比既有的 Rust 版本快 2.7 倍。這些是工程成果，不是「用 AI 開發下一代 AI」的證據。我們查閱的模型卡和發布文章裡，也沒有看到 Google 公布類似「內部 AI 研發有多少比例由 AI 完成」的數字。

三家的共同點與分歧

共同點有兩個：沒有一家說已經做到完全自主的 RSI；方向判斷目前仍在人手上，OpenAI 寫明由人決定研究優先順序，Anthropic 則指出 Claude 在選擇目標的判斷上仍有明顯差距。OpenAI 還寫，發展自動化研究的這些理由，「不代表快速的 RSI 就一定是我們該追求的結果」，Dario 的說法也同樣保留。

分歧也很清楚：

| | 公開了什麼 | 怎麼回答「到了沒」 |

|---|---|---|

| OpenAI | 使用量、代理人工作量、明確年月 | 實習生階段達標，研究員目標 2028 年 3 月 |

| Anthropic | 程式碼占比、任務成功率 | 「還沒到」，Clark 個人估 2028 年底前 60% 以上 |

| Google | 模型卡的門檻評估 | 兩條 ML R&D 門檻都「未達到」 |

三家量測的東西不同，數字不能互相比大小。

誠實的侷限

沒有任何一家宣稱已經做到完全自主的 RSI。所有數字都是各家自己公布的，目前沒有看到第三方審計。OpenAI 自己也在文章裡寫，他們的量測工作「仍屬初步」。Clark 的 60% 是個人預測，不是事實。

已經看得到的變化

最直接的變化出現在寫程式這類工作。Anthropic 的說法是，現在的做法已是 Claude 寫、工程師「directing and reviewing」，也就是指揮和審查，而不是自己打字。OpenAI 也提到，同時跑 4 個以上代理人的研究員人數正在增加，方向仍由人決定。

進步的速度，Anthropic 引用 METR 的數據：AI 能獨立完成的任務長度，大約每四個月翻一倍，早先的趨勢是每七個月。Dario 則在文章裡寫，從今年夏天起，AI 的進步明顯變快。這是他的判斷，不是統計結論。

OpenAI 的目標是 2028 年 3 月，Clark 個人估計的是 2028 年底，Google 的模型卡說現在還沒到門檻。下一次有人更新數字的時候，第一個說「線被越過了」的，會是誰？