GPT-5.6 Sol samodzielnie trenował model Luna – przełom w RSI?

OpenAI zaprezentowało właśnie możliwości swojego najnowszego modelu flagowego – GPT-5.6 Sol. Firma twierdzi, że model ten samodzielnie przeprowadził proces post-treningowy (post-training) dla mniejszego modelu Luna. W praktyce oznacza to, że sztuczna inteligencja przejęła część pracy, która do tej pory wymagała zaangażowania zespołu senior researcherów. To nie tylko pokazuje rosnącą autonomię systemów AI, ale też przybliża koncepcję Recursive Self-Improvement (RSI) – zdolności modelu do samodzielnego ulepszania siebie.

Jak GPT-5.6 Sol samodzielnie potrenował model Luna

Zadanie, które otrzymała Sol, brzmi imponująco, ale warto przyjrzeć się szczegółom. Badacz z OpenAI za pomocą platformy Codex przekazał modelowi „dość ogólny prompt” (ang. fairly under-specified prompt). Instrukcje mówiły o znalezieniu odpowiednich konfiguracji treningowych, wyborze pasujących jednostek GPU, uruchomieniu skryptu treningowego i zweryfikowaniu, czy całość działa poprawnie. Brzmi prosto, ale w rzeczywistości to zestaw zadań, które normalnie wymagają głębokiej wiedzy eksperckiej.

Pracownik OpenAI Jason Liu wyjaśnił jednak, że skala autonomii Sol nie była całkowita. Sol nie tworzyła kompletnego przepisu treningowego od zera – większość konfiguracji pochodziła bowiem z jej własnego procesu post-treningowego. Rzeczywiste zadanie polegało na zaadaptowaniu tego zestawu ustawień dla mniejszego modelu Luna oraz uruchomieniu całego procesu. Według Liu, bez tej automatyzacji zadanie „zajęłoby dwóm starszym badaczom dodatkowe dwa tygodnie, więc nadal jest to ogromna sprawa”.

„To, co wcześniej wymagało pracy zespołu senior researcherów, teraz wygląda tak, jakby zautomatyzowany badacz był już bardzo blisko” – Kathy Shi, badaczka OpenAI

Kathy Shi podczas prezentacji podkreśliła, że czasy, gdy takie zadania należały wyłącznie do ludzi, mogą szybko się skończyć. Jej zdaniem „zautomatyzowany badacz jest już prawie gotowy”.

Recursive Self-Improvement – wyniki i kontekst

Aby zmierzyć zdolność modeli do samodzielnego ulepszania się, OpenAI stworzyło wewnętrzny zestaw testów oparty na rzeczywistych zadaniach badawczych z dziedziny AI. W skład tych zadań wchodziło debugowanie systemów badawczych, optymalizacja jąder (kernels) i receptur treningowych (training recipes), prowadzenie eksperymentów uczenia maszynowego oraz ulepszanie innego modelu.

GPT-5.6 Sol uzyskał na zagregowanym indeksie RSI (Recursive Self-Improvement) aż 16,2 punktu więcej niż GPT-5.5. W hierarchii tego benchmarku Sol zajmuje pierwsze miejsce, przed wariantami Terra i Luna, a dopiero potem GPT-5.5 i GPT-5.4. To znaczący skok, który potwierdza, że OpenAI systematycznie poprawia zdolność modeli do autonomicznego uczenia się i optymalizacji.

Recursive Self-Improvement to koncepcja, w której system AI jest w stanie samodzielnie czynić się coraz lepszym – każda kolejna iteracja zwiększa jego możliwości, tworząc pętlę zwrotną. Od dawna jest to kluczowy temat w badaniach nad bezpieczeństwem AI, ponieważ pełne RSI mogłoby teoretycznie doprowadzić do gwałtownego wzrostu możliwości systemu poza kontrolą człowieka.

Równolegle warto wspomnieć o stanowisku Anthropic – konkurencyjnej firmy, która na początku czerwca 2025 roku podkreśliła, że pełne Recursive Self-Improvement jeszcze nie zostało osiągnięte, ale „może nadejść szybciej, niż większość instytucji jest na to przygotowana”. Według Anthropic, model Claude potrafi już wykonywać przyrostowe prace między większymi zmianami paradygmatu, a człowiek odpowiada zaledwie za jednocyfrowy procent decyzji kierunkowych.

Jak GPT-5.6 Sol zmienia pracę badaczy OpenAI

OpenAI nie tylko testuje model na specjalnych benchmarkach, ale także wdrożyło go do codziennej pracy. Firma informuje, że badacze używają GPT-5.6 Sol na każdym etapie cyklu rozwojowego – od debugowania i optymalizacji systemów treningowych, przez prowadzenie eksperymentów, aż po odczytywanie wyników.

Efekty są wymierne. Podczas testów wewnętrznych średnia dzienna liczba tokenów generowanych przez aktywnego badacza wzrosła ponad dwukrotnie w porównaniu z poprzednim rekordem ustanowionym przez GPT-5.5. Wzrosła też liczba pull requestów i eksperymentów przypadających na jednego badacza. Zespoły mogą teraz szybciej przekuwać pomysły w gotowe wyniki.

Dane adopcyjne OpenAI z ostatnich pół roku pokazują imponujące tempo skalowania. Udział mocy obliczeniowej przeznaczonej na wewnętrzne kodowanie inferencyjne wzrósł stukrotnie, a wykorzystanie tokenów przez agentów – około 22 razy. Firma zastrzega jednak, że te wskaźniki nie mierzą bezpośrednio postępów badawczych, ale dobrze ilustrują, jak szybko rośnie skala pracy wspomaganej przez AI.

Przed nami jeszcze długa droga do pełnej autonomii w uczeniu maszynowym, ale wyniki GPT-5.6 Sol pokazują wyraźny kierunek. Modele coraz pewniej przejmują zadania, które jeszcze niedawno wymagały wyspecjalizowanego zespołu ludzi. Dla badaczy i menedżerów AI oznacza to nie tylko przyspieszenie prac, ale też konieczność przemyślenia ról i kompetencji w zespołach.