国产大模型竞逐RSI：不改权重，但全面重构基础设施

递归自我改进（Recursive Self-Improvement，简称 RSI），即“AI 造 AI”，已成为各大模型厂商展现核心能力的新标尺。在当前的投融资市场上，与自训练（Self-Training）相关的项目往往能获得显著溢价。

然而，真正的 RSI 不仅需要 AI 优化 AI，更需要沉淀经验，推动学习方法自身的进化。

上海交通大学、清华大学、字节跳动、商汤科技等机构联合发表的论文《人类建造的最后一个 AI》（The Last AI Built by Humans）将 RSI 划分为 L1 到 L5 五个层级。研究指出：全球前沿团队的系统大多处于 L1 到 L2 的过渡阶段，L3、L4 仅在软件工程、科学发现等垂直场景存在雏形，而真正的 L5 级别端到端闭环仍停留在受限的实验室原型中。

纵观国内主流模型厂商的探索，现阶段的焦点主要集中在训练流程、推理系统、GPU 算子和智能体（Agent）脚手架上，尚无厂商直接尝试让 AI 改写底层模型权重。各家正以不同的工程切入点构建各自的局部闭环。

智谱：国产算力集群上的自优化推理栈

智谱将 RSI 的首个落地场景选在底层推理系统与调度脚手架（Harness）。

在大模型部署中，算力榨取、任务分片与海量 KV 缓存管理往往高度依赖基础设施工程师的手工调优。智谱通过 GLM-5.3 驱动的 Infra Agent 接管了整套流程。在 10 万张国产芯片构成的集群上，Agent 在两周内从零搭建起 GLM-5.3-Flash 的生产级推理服务，将端到端吞吐拉升至初始基准的 3.2 倍，硬件利用率与单 Token 成本追平主流 NVIDIA GPU 集群水平。上线 6 天内，该服务承载了超过 62 万亿 Token 的调用流量，调优方案同时被沉淀为可复用的“优化骨架”。

在调度框架方面，清华与智谱团队提出 HarnessPro 架构。系统通过诊断 Agent、测试生成 Agent 与规划实现 Agent 的协同分工，在不触碰标准答案的前提下，让高难度代码任务通过率稳步提升，单任务算力成本下降 53%。

智谱创始人唐杰表示：“驱动循环的不是智能，是闭环本身。”智谱已将下一代 GLM-6.0 规划为完全自训练模型，重点突破模型的自主纠错与训练结果自评能力。

DeepSeek：高并发沙箱工厂与动态模块化

DeepSeek 选择将突破口放在 Agent 训练环境的自动化重构上。RSI 的核心瓶颈之一在于训练环境搭建的耗时。

针对此问题，DeepSeek 与清华大学联合推出 DSec 自动化沙箱集群。该底座具备 3 万核 CPU 与 250TB 内存，日均可动态生成约 300 万个沙箱，涵盖轻量级函数调用到完整虚拟机的四档隔离环境，实现“Agent 自动构建环境—环境孕育更强 Agent—更强 Agent 反哺环境”的正向循环。

在运行时框架层面，开源的 DeepSeek Harness 采用“一切皆插件”的设计理念，配合与北京大学联合提出的 Cordis 机制，实现系统在不停机状态下的热插拔与一键回滚。此外，新推出的自进化智能体 DeepEvolve 将信息检索与结果预测分离，强化了在噪声环境下的复盘提炼能力。

从 MoE 架构、MLA 注意力机制到 DSec 沙箱，DeepSeek 的技术演进路径始终围绕降低 AGI 与 RSI 的算力门槛展开。

面壁智能：AI 编写底层系统软件

面壁智能在内部启动“锻造工程”（Forge Engineering），其核心策略是“多给环境，少给指令”，直接让 AI 负责适配芯片所需的基础软件与算子编写。

在预训练框架层面，AI 编写的预训练框架 ForgeTrain 在 8 小时内追平业界成熟基准 Megatron-LM，并在 2.5 天内实现性能反超，将以往需要顶尖工程师耗时数月的开发周期大幅压缩。

在算子开发层面，ForgeKernel 深入硬件底层，在昇腾 950 系列测试中基准加速比达到对照组的 1.6 至 5 倍。目前，AI 已逐步接管部分科学计算与工业仿真的底层核心代码编写，人类工程师则退居至评估指标与验证规则的制定层。

月之暗面：长周期任务的强化学习

月之暗面将重点放在大规模强化学习与长程自主执行能力上。

依托混合线性注意力机制与自建基础设施，团队构建了 AgentEnv 沙箱系统，累计调用超过 5100 万个沙箱与 150 万个容器镜像，并引入 Firecracker 微型虚拟机解决容器死锁问题。在训练过程中，系统驻留调度智能体负责异常检测与故障恢复，评测端则由专职奖励模型对自训练方案进行筛选淘汰。

在第三方 RSI 专项基准 DeepRSI 的 48 小时自主科研评测中，Kimi K3 位居全球第三，成为表现最优的开源模型。不过，长程自主能力的开放也带来了子 Agent 调用频次暴增与算力消耗上升等工程挑战，促使团队进一步优化调用链路与资源配额机制。

阿里、字节与小米的差异化探索

阿里巴巴围绕训练流程重构与芯模协同推进。Qwen3.8-Max 在无人工干预的情况下自主搭建训练流并连续运行一个月，完成 33 轮迭代；同时，Qwen 实现了在平头哥算力硬件上的推理框架自适应调优，吞吐量提升 96%。

字节跳动 Seed 团队重点攻坚底层理论与评测体系。通过 Self-Developing Agents 项目，团队提出“黄金验证器”（Golden Verifier）概念，警惕模型在自我反馈循环中发生短期过拟合而无法转化为长期稳定能力的风险。

小米则聚焦于后训练（Post-training）强化学习。通过全网公开为期 6 天 6 夜的实时训练细节，开源发布 MiMo-V2.6，向行业完整展示了强化学习训练轨迹、多验证器交叉核对机制以及对抗投机刷分的工程方案。