国内模型厂商竞逐RSI，AI开始改进推理与造AI工具

递归自我改进（RSI）已成为模型厂商展示能力和资本市场关注的热门方向，但真正的RSI不仅是让AI优化AI，还要让经验沉淀为可复用方法，并推动学习机制持续进化。上海交大、清华、字节、商汤等机构35名研究者在9月发布的《The Last AI Built by Humans》中，将RSI划分为L1至L5。当前全球前沿系统大多处在L1至L2之间，L3、L4只在软件工程、科学发现等领域出现雏形，完整的L5闭环仍局限于少数实验室原型。

国内厂商近期展示的成果主要涉及训练流程、推理系统、GPU算子和Agent脚手架，尚未触及基础模型权重改写。智谱率先将RSI投入生产：由GLM-5.3驱动的Infra Agent在10万张国产芯片集群上，用两周搭建GLM-5.3-Flash推理服务，使端到端吞吐提升至基线3.2倍，硬件利用率和单Token成本达到主流英伟达GPU水平，服务上线6天运行量超过62万亿Token。其HarnessPro还通过多Agent协作优化调度框架，在不接触标准答案的情况下，让高难度代码任务通过率不降，单任务成本降低53%。

智谱计划将下一代GLM-6.0打造为“完全自训练”模型，并拟把新融资净额约60%投入自进化体系；GLM-5.4/5.5则将扩大预训练数据、强化SFT、RLHF和RLVR，并提升长程推理与Agent能力。其面临的核心问题，是让模型可靠判断何时停止、纠错以及评估训练结果。

DeepSeek则优先改造Agent训练环境。其与清华推出的DSec拥有3万核CPU和250TB内存，每天可生成约300万个沙箱，覆盖函数调用到完整虚拟机的四档隔离环境。开源Harness采用插件化设计，支持运行中替换工具、日志和框架；配套Cordis机制解决错误回滚与依赖重组问题，已在Koishi框架中支撑4000多个社区插件。其后推出的DeepEvolve，把资料搜索和结果预测拆开，通过轨迹蒸馏提炼可复用预测技能。

面壁把重点放在“制造AI”的底层软件。ForgeTrain由AI独立编写，8小时达到Megatron-LM基准，2.5天后实现超越；ForgeKernel进一步自动重写芯片算子，在华为、英伟达相关榜单取得第一，并在昇腾950测试中达到第二名的1.6至5倍加速。项目还延伸至科学计算，工程师则转向制定标准和评测体系。

月之暗面选择通过大规模强化学习提升长周期任务能力，借助KDA混合线性注意力与MoonEP基础设施，让模型在人体模拟、金融和3D建模等环境中持续迭代。总体来看，国内RSI仍处于工程闭环阶段：AI已能优化推理、环境、框架和算子，但距离自主决定训练目标并发明下一代模型的L5仍有明显距离。