国产 RSI 热潮：没人敢动模型权重，都在改“造 AI 的机器”

2026年，RSI（AI造AI）成为国内模型厂商争相展示的内部成绩单，也是一级市场最热的方向之一。智谱、DeepSeek、面壁、月之暗面、阿里、字节、小米等相继公布自进化实验进展，但各家改动的多是训练流程、推理系统、沙箱环境与后训练强化学习，目前没有一家厂商敢用AI真正改写底层模型权重。

今年9月，上海交大、清华、字节、商汤等机构的35位研究者发表论文《The Last AI Built by Humans》，将RSI分为L1至L5五层，结论是全球前沿大厂系统大多处于L1到L2的过渡阶段，真正的L5闭环仅存在于极少数受限的实验室原型中。

五层标尺与行业水位

论文的结论是，全球前沿大厂的系统大多处于L1到L2的过渡阶段，L3、L4只在软件工程、科学发现等特定垂直领域出现零星雏形，真正的L5闭环仅存在于极少数受限的实验室原型中。

用这把标尺衡量国内厂商九、十月份公布的成果，改动对象集中在训练流程、推理系统、GPU算子、Agent脚手架等环节。有厂商人士把当前阶段概括为“AI帮AI写代码、AI帮AI搭系统”，而让模型独立设计下一代模型的目标尚未有人触及。

资本层面的热度与工程层面的谨慎同时存在。报道提到，只要商业计划书带上Self-Training字眼，估值至少多两成；但真正意义上的RSI不止是AI改进AI，还要把经验沉淀下来，让学习方法本身随之进化。

智谱：十万卡上的推理系统

智谱是国内首个把RSI跑进生产环境的案例，第一步没有碰模型权重，而是落在底层推理系统上。9月17日，唐杰在X上发布长文《通往递归自我改进》，称由GLM-5.3驱动的Infra Agent在10万张国产芯片组成的集群上，仅用两周就从零搭起GLM-5.3-Flash的生产级推理服务。

这套系统在承载全部线上流量的同时，把端到端吞吐提升到初始基线的3.2倍，硬件利用率和单Token成本追平主流英伟达GPU水平。在其支持下，匿名上线的GLM-5.3-Flash在6天内消耗超过62万亿Token。跑通的优化方案会被抽象成“优化骨架”存入资产库，供后续复用。唐杰的表述是，智谱已实现最小闭环：模型优化系统，系统服务模型。消息当天，智谱港股上涨8.29%。

10月下旬，清华与智谱团队更新论文《HarnessPro: Recursive Harness Self-Improvement with Pareto Optimization for Performance-Cost Trade-offs》，唐杰署名，目标转向Agent的Harness。该系统由诊断、测试生成、规划实现等多个专职Agent分工，在完全不接触标准答案的前提下，高难度代码任务通过率不降反升，单任务花费下降53%。

唐杰已把下一代GLM-6.0定义为“完全自训练”模型，并计划将新融到的50亿美元中约60%的净额投入自进化体系。他也点出最大难点：不是继续扩模型，而是让模型可靠地判断何时停止、何时纠错、如何评价自己的训练结果。

DeepSeek：一天300万个沙箱

DeepSeek的RSI先从Agent的训练场沙箱改起。9月19日，DeepSeek联合清华大学推出自动化沙箱集群DSec，底座为3万核CPU、250TB内存，每天能生产约300万个沙箱，从轻量级函数调用到完整虚拟机共四档隔离环境，秒级响应、按需取用。其设想是形成“Agent自动构建环境、环境孕育更强Agent、更强Agent反哺更好环境”的循环，搭建好的环境可作为资产复用。

在Harness方面，DeepSeek于8月开源DeepSeek Harness，主打“一切皆插件”，把工具、日志乃至核心运行框架模块化，使Agent能够边跑边升级，改错可一键还原，无需停机重启。其背后的Cordis机制由DeepSeek联合北大在论文《A Programming Paradigm for Spatiotemporal Composability》中阐述，针对出错回滚与插件拔除后的依赖自动调整两个问题，该设计已在开源聊天机器人框架Koishi上稳定运行四年，支撑超过4000个社区插件。

10月21日，DeepSeek推出自进化智能体DeepEvolve，核心是把“资料搜索”与“结果预测”拆开，从有限的实时轨迹中蒸馏可复用的预测技能，使AI在信息混杂的环境中依靠复盘经验完成算法迭代。报道认为，从MoE架构、MLA注意力机制、DSA稀疏算法到DSec沙箱与可自重构的Harness，DeepSeek的创新指向同一方向：压低AGI与RSI的算力门槛。

面壁与月之暗面的路线

面壁的RSI让AI去写“造AI”所需的底层基础软件。今年5月，面壁内部启动“锻造工程”，首席科学家李宇轩把思路总结为“多给环境，少给指令”。9月24日公布的第一步成果是，AI从零独立编写大模型预训练框架ForgeTrain，仅用8小时追上英伟达成熟框架Megatron-LM的基准水平，2.5天内完成性能反超；同样工作若由人完成，至少需要3到5名顶尖工程师投入6个月以上。

10月27日公布的第二步是底层算子ForgeKernel，先后拿下华为、英伟达官方算子榜单第一；在昇腾950系列测试中，其基准加速比达到第二名的1.6到5倍。面壁称，AI产出的代码性能最高可达顶尖工程师手写版本的1.6至5倍，原本数月的软硬件适配周期被压缩到以天计。第三步则是让AI接管部分工业仿真、科学计算的底层核心代码，人类工程师转向制定标准与评测指标。面壁也是《The Last AI Built by Humans》报告的深度参与机构之一。

月之暗面走的是长周期自主能力路线，把算力投入大规模强化学习。7月16日发布并开源的Kimi K3总参数2.8万亿，配套的AgentEnv沙箱系统在训练和评测期间累计创建超过5100万个沙箱、使用150多万个镜像；因传统容器在压测下频繁内核崩溃和死锁，团队改用Firecracker微型虚拟机支撑。

其自动化体现在三个层面：任务层面，人只给沙箱环境和最终目标，模型连续执行数十步操作，出错后自行查看日志、定位并重跑；训练层面，驻场智能体检测到异常时从26套历史预案中选取匹配方案，自动回滚、修正数据并继续训练；评测层面，引入智能体奖励模型为各种自训练配方打分，高分者进入下一轮。10月14日，Hillclimb发布的RSI专项基准DeepRSI中，Kimi K3以820分位列全球第三，是排名最高的中国模型和开源模型，运行成本159美元，约为Claude Fable 5.1的四分之一。

失控风险也随之显现。10月26日，性能更强的K3.1 Pro上线不到48小时，官方紧急致歉，原因是放开给智能体的自主权过大，子Agent调用频次失控，用户额度被大量虚耗；团队裁剪了冗余调用，并向所有订阅用户返还月度额度的25%。

阿里、字节与小米的探索

阿里Qwen把重心放在训练配方、数据闭环与芯模协同上。9月22日云栖大会上，阿里展示Qwen3.8-Max在无人工干预下自主搭建训练流程并持续运转一个多月，完成33轮高频有效迭代：模型依据内测日志和用户反馈定位短板，自主生成训练数据、设计对照实验，再交小模型多轮校验、过滤无效样本，其在Artificial Analysis的评分从40分提升至45分。推理侧，Qwen3.8能在平头哥全新GPU上自主完成下一代Qwen3.8-Flash的架构适配与SGLang推理框架调优，单实例推理吞吐量提升96%。

吴泳铭把递归自我改进纳入阿里技术长期路线，并给出测算：目前机器的思考总量不足人类的3%，远期有机会提升至人类的1000倍。原DeepMind Gemini自我改进与强化学习方向核心成员周浩已加入阿里。Qwen也成为外部团队做RSI实验的基础模型，腾讯Terminal-RSI、智源AREX-2基于Qwen3.8-27B搭建，超衍智能Apex-35B-V1.0选用Qwen3.6-35B-A3B。

字节Seed的探索偏重底层理论、评测与验证机制。火山引擎的动态模型标识doubao-seed-evolving并非固定模型，而是内部称为Seed-for-Seed的自进化研发框架，迭代出的新版Seed模型会反过来生成训练信号，持续优化后续版本；9月9日的迭代重点优化异步子任务验收，多模态理解耗时降低40%，并补齐Office跨应用协同能力。

9月，Seed联合佐治亚理工等机构发布Self-Developing Agents项目，与此前Chain-of-Experience研究组成自进化论文矩阵。团队指出，当前绝大多数所谓RSI系统本质上是“半闭环”，打分规则、验证工具、优化方向都由人预先设定，并提出Golden Verifier概念。实验显示，智能体容易在自我评估环节对反馈信号过拟合，自评高分往往难以转化为现实世界中长期可靠的能力提升。

小米不动底层框架，从后训练强化学习切入，并把过程搬上直播。这场直播持续6天6夜，9月22日小米发布并开源MiMo-V2.6，该模型在Artificial Analysis智能指数评测中拿到46分，位列开源模型第一，高于GLM-5.3的45分和Kimi K3的44分。整场实时训练中，Pro版本投入262万美元、Flash版本投入85万美元，各自完成30步迭代，累计生成75万条训练轨迹；模型原生支持百万上下文窗口，每轮采样1568条样本，单轮训练消耗35亿至37亿token。

为避免MoE架构下专家负载失衡，团队锁定路由模块；针对奖励黑客风险搭建多层校验机制，依靠奖励方案设计、对抗测试、异常监控和多验证器交叉核对减少投机刷分。罗福莉在直播帖中写道，强化学习是模型自我提升路径中可扩展性较强的方向之一，这条路能走多远，想公开试一次。

要点

• 35位研究者提出RSI五层分级，前沿大厂多在L1到L2过渡
• 智谱Infra Agent两周搭起生产级推理服务，吞吐达基线3.2倍
• DeepSeek联合清华推出DSec，每天生产约300万个沙箱
• 面壁AI编写的ForgeTrain用8小时追上Megatron-LM基准
• 小米直播6天6夜强化学习训练，开源MiMo-V2.6