科技领域近日迎来一项突破性进展，OpenAI开发的GPT-5.6 Sol模型展现出自主优化其他AI模型的独特能力。该模型通过后训练技术，成功为规模更小的Luna模型定制了完整的训练方案，并在内部评估中取得显著性能提升——其聚合RSI指数较前代GPT-5.5高出16.2个百分点。
后训练作为AI开发的关键环节，通常需要专业团队手动调整模型参数以适应特定任务。OpenAI研究员Kathy Shi在技术分享中透露，GPT-5.6 Sol突破了传统模式，能够基于自身训练经验自动生成适配方案。研究人员仅需提供基础指令框架，该模型即可独立完成训练配置、GPU资源分配、脚本执行及效果验证等全流程操作。
为量化评估这种自动化能力，OpenAI构建了"聚合RSI"评估体系，涵盖代码调试、算法优化、实验设计等真实研究场景。测试数据显示，采用GPT-5.6 Sol优化方案的Luna模型，在解决复杂AI任务时的综合表现较GPT-5.5提升明显。这种提升不仅体现在指标数值上，更反映在模型解决实际问题的效率与质量层面。
在实际应用层面，GPT-5.6 Sol已深度融入OpenAI的研究流程。开发团队反馈显示，该模型使研究员日均代码产出量较前代系统翻倍，同时显著增加了实验迭代次数与方案提交量。这种效率提升源于GPT-5.6 Sol能够自动处理重复性工作，让研究人员得以专注更具创造性的核心任务。
这项技术突破标志着AI开发模式的重要转变。通过让模型具备自我优化能力，OpenAI不仅降低了技术门槛，更开辟了AI自主进化的新路径。随着自动化工具的持续完善，未来AI系统的研发周期与成本有望进一步压缩，为技术普及奠定基础。
