GPT-5.6 Sol của OpenAI tự động huấn luyện mô hình Luna chỉ với một yêu cầu mơ hồ

Các phòng thí nghiệm AI muốn sử dụng AI để tăng tốc quá trình phát triển AI của chính họ. OpenAI cho biết mô hình GPT-5.6 Sol mới thực hiện việc này tốt hơn bất kỳ công cụ nào trước đây.

Theo OpenAI, mô hình chủ lực mới của họ là GPT-5.6 Sol đã tự thực hiện hậu huấn luyện (post-trained) cho mô hình nhỏ hơn là Luna một cách độc lập. Sau quá trình tiền huấn luyện ban đầu của Luna, Sol đã tự tối ưu hóa nó cho các kỹ năng và hành vi cụ thể.

Một nhà nghiên cứu đã đưa cho Sol một "lời nhắc khá thiếu chi tiết" thông qua nền tảng Codex. Các hướng dẫn yêu cầu mô hình tìm ra cấu hình huấn luyện phù hợp, chọn GPU thích hợp, khởi chạy tập lệnh huấn luyện và xác minh mọi thứ đang chạy chính xác.

"Trước đây, đây là công việc mà một nhóm các nhà nghiên cứu cấp cao tại OpenAI có thể phải thực hiện, và giờ đây, cảm giác như một nhà nghiên cứu tự động đã ở rất gần," nhà nghiên cứu Kathy Shi của OpenAI cho biết trong buổi thuyết trình.

Sol vượt GPT-5.5 tới 16 điểm trong bài kiểm tra đánh giá khả năng tự cải thiện.

Để đo lường trực tiếp các khả năng này, OpenAI đã xây dựng một bộ đánh giá nội bộ dựa trên các tác vụ nghiên cứu AI trong thế giới thực. Những tác vụ đó bao gồm gỡ lỗi các hệ thống nghiên cứu, tối ưu hóa nhân (kernel) và công thức huấn luyện, chạy các thí nghiệm học máy và cải thiện một mô hình khác.

Theo OpenAI, GPT-5.6 Sol đạt điểm cao hơn 16,2 điểm so với GPT-5.5 trên chỉ số RSI (Recursive Self-Improvement - Tự cải thiện đệ quy) tổng hợp. Sol đứng đầu hệ thống phân cấp mô hình của bài kiểm tra, theo sau là các biến thể Terra và Luna, sau đó là GPT-5.5 và GPT-5.4.

Tự cải thiện đệ quy trong nghiên cứu AI đề cập đến khả năng của một hệ thống AI trong việc tự làm cho bản thân tốt hơn, trong đó mỗi vòng cải tiến lại giúp hệ thống có khả năng tự cải thiện mạnh mẽ hơn nữa. Điều đó tạo ra một vòng lặp phản hồi. Thuật ngữ này từ lâu đã là trọng tâm trong nghiên cứu an toàn AI vì một hệ thống có khả năng tự cải thiện đệ quy về lý thuyết có thể kích hoạt sự bùng nổ nhanh chóng về năng lực.

Đối thủ của OpenAI là Anthropic đã nhấn mạnh vào đầu tháng 6 rằng khả năng tự cải thiện đệ quy hoàn toàn vẫn chưa đạt được nhưng "có thể đến sớm hơn mức mà hầu hết các tổ chức chuẩn bị kịp". RSI hoàn toàn có nghĩa là một hệ thống AI tự thiết kế phiên bản kế nhiệm của chính nó mà không cần sự trợ giúp của con người. Theo Anthropic, Claude hiện có thể xử lý các công việc tăng dần giữa các bước chuyển đổi mô hình lớn, và con người chỉ chịu trách nhiệm cho một tỷ lệ phần trăm nhỏ các quyết định mang tính định hướng.

Sản lượng token trên mỗi nhà nghiên cứu tăng hơn gấp đôi với GPT-5.6.

OpenAI cho biết các nhà nghiên cứu của họ sử dụng GPT-5.6 Sol trong toàn bộ chu kỳ phát triển, từ gỡ lỗi và tối ưu hóa hệ thống huấn luyện đến chạy thí nghiệm và đọc kết quả. Ngay cả trong quá trình thử nghiệm nội bộ, sản lượng token trung bình hàng ngày trên mỗi nhà nghiên cứu tích cực đã tăng hơn gấp đôi so với mức đỉnh trước đó được thiết lập bởi GPT-5.5. Số lượng yêu cầu kéo (pull requests) và thí nghiệm trên mỗi nhà nghiên cứu cũng tăng lên, cho phép các nhóm biến ý tưởng thành kết quả nhanh hơn.

Các số liệu áp dụng của chính công ty trong sáu tháng qua vẽ nên một bức tranh lạc quan như dự đoán. Tỷ lệ tính toán được phân bổ cho suy luận mã hóa nội bộ đã tăng gấp 100 lần, trong khi việc sử dụng token dựa trên tác nhân (agent-based) tăng khoảng 22 lần. OpenAI thừa nhận rằng các số liệu này không đo lường trực tiếp tiến độ nghiên cứu nhưng cho biết chúng cho thấy tốc độ mở rộng của công việc được hỗ trợ bởi AI.

Tin tức AI không cường điệu – Được tuyển chọn bởi con người.

Đăng ký THE DECODER để đọc không quảng cáo, nhận bản tin AI hàng tuần, báo cáo độc quyền về công nghệ tiên phong "AI Radar" sáu lần một năm, quyền truy cập toàn bộ kho lưu trữ và tham gia phần bình luận của chúng tôi.

Đăng ký ngay.