OpenAI показала новую флагманскую модель GPT-5.6 Sol. Главная новость не в качестве ответов, а в том, что Sol сделала сама.
Исследователь дал модели через платформу Codex одну короткую и не слишком подробную команду. Задача: дообучить меньшую модель Luna — подобрать настройки обучения, выбрать нужные GPU, запустить скрипт и проверить, что всё работает. Sol справилась без пошаговых инструкций человека.
«Раньше этим занималась бы команда старших исследователей OpenAI, а теперь кажется, что автоматический исследователь уже почти рядом», — сказала на презентации Кэти Ши, исследователь OpenAI.
Дообучение (post-training) — это донастройка уже готовой модели под конкретные задачи и поведение, финальный этап после базового обучения на больших объёмах данных.
Для проверки таких навыков OpenAI собрала внутренний тест RSI (Recursive Self-Improvement — рекурсивное самоулучшение). Он включает отладку исследовательских систем, оптимизацию кода и тренировочных схем, запуск экспериментов и улучшение других моделей. По этому тесту Sol набрала на 16,2 балла больше, чем GPT-5.5. Дальше в рейтинге идут версии Terra и Luna, затем GPT-5.5 и GPT-5.4.
Рекурсивное самоулучшение — способность ИИ-системы улучшать саму себя, причём каждое улучшение делает её ещё способнее к дальнейшим улучшениям. Тема давно волнует специалистов по безопасности ИИ: такой цикл теоретически может привести к резкому скачку возможностей системы. Конкурент OpenAI, компания Anthropic, в начале июня заявляла, что полного самоулучшения пока не достигнуто, но оно «может наступить раньше, чем готово большинство институтов». По данным Anthropic, её модель Claude уже берёт на себя рутинную работу между крупными сменами подходов, а на долю людей приходится лишь однозначный процент ключевых решений.
Внутри OpenAI разработчики используют GPT-5.6 Sol на всех этапах работы — от отладки систем обучения до чтения результатов экспериментов. Среднесуточный объём токенов на одного исследователя вырос больше чем вдвое по сравнению с пиком на GPT-5.5. Доля вычислений на внутренний код выросла в 100 раз за полгода, а использование токенов агентами — примерно в 22 раза.
