GPT-5.6 Sol по одной расплывчатой инструкции самостоятельно дообучил модель меньшего размера — Luna. Без ручной разметки датасетов, без настройки гиперпараметров командой инженеров. По данным OpenAI, во внутреннем бенчмарке RSI (recursive self-improvement) Sol набирает на 16,2 балла больше, чем GPT-5.5. Компания считает «автоматизированного исследователя» достижимой целью.
Контекст
Recursive self-improvement — идея, которую теоретики AI обсуждали десятилетиями: что будет, если модель сможет улучшать себя или другие модели? До недавнего времени это оставалось в поле спекуляций. OpenAI сделал практический шаг: в серии GPT-5.x более мощные модели используются для улучшения менее мощных. Sol — старшая модель в этой серии; Luna — меньшая, которую Sol теперь дообучает автономно.
Ключевая деталь — формулировка «fairly underspecified prompt». Расплывчатое задание от человека. Модель сама разобралась, что и как нужно сделать с процессом обучения Luna. Это качественно другой уровень автономии: не «дай мне примеры для датасета», а «возьми задачу, разберись с процессом, запусти обучение». Человек фактически вышел из операционного цикла.
RSI-бенчмарк, на который ссылается OpenAI, — внутренний инструмент компании. Независимой верификации этих цифр пока нет. Но сам факт его существования и измеримый разрыв между поколениями говорит о том, что OpenAI системно отслеживает именно эту ось развития.
Аналитика
Происходящее закрывает петлю, которая раньше требовала человека. Стандартный цикл улучшения модели: собрать данные → разметить → обучить → оценить → повторить. Если большая модель берёт на себя эти шаги по слабому описанию задачи, цикл ускоряется радикально. Структура меняется: из «человек с инструментом» — в «человек с агентом, который оптимизирует инструменты».
Frontier-модели переходят от решения задач к автоматизации исследований. Следующий логичный шаг — модели, которые не просто дообучают других, но и сами формулируют гипотезы о том, что улучшить. Именно об этом говорит термин «automated researcher». Это давит на экономику AI-разработки: если крупная компания может итерировать быстрее с меньшей командой, барьер входа для небольших игроков растёт.
Параллельно встаёт вопрос безопасности. Автономное самосовершенствование — именно тот сценарий, которого опасаются в области AI safety. Пока речь о post-training в рамках контролируемого процесса, а не о произвольном изменении архитектуры. Но направление зафиксировано, и оно будет становиться темой регуляторного давления по всему миру.
Кейсы применения в бизнесе
B2B-SaaS стартап. Крупные модели дорого гонять на каждый запрос. Паттерн, который Sol демонстрирует, частично доступен уже сейчас: используйте большую модель для генерации синтетических данных, затем fine-tune небольшую (Llama, Qwen, Mistral) на этих данных. Результат — специализированный дешёвый инструмент для вашего домена. Стоимость инференса падает кратно, качество на нишевых задачах — выше универсальной модели.
Корпорация с legacy. Автоматизированное дообучение снимает узкое место — разметку данных. Если раньше нужна была команда аннотаторов, сценарий теперь другой: описываете задачу в свободной форме, frontier-модель генерирует датасет, дообучает меньшую, тестирует. Кастомные модели без большого отдела ML-инженеров становятся реальной, а не теоретической опцией.
SMB и локальный бизнес в КР/СНГ. Прямой доступ к Sol пока ограничен. Но принцип применим сегодня: возьмите Claude или GPT-4o, попросите сгенерировать обучающий датасет под вашу нишу — поддержка клиентов на русском, классификация документов, ответы на типовые запросы. Fine-tune небольшую модель через HuggingFace или OpenAI Fine-tuning API. Получите инструмент под вашу реальность дешевле и быстрее любого универсального решения.
Кейсы в личной жизни
Разработчик. Паттерн distillation уже рабочий: большая модель генерирует синтетические примеры → маленькая обучается на них → специализированный инструмент. Напишите скрипт, который описывает задачу модели, та генерирует обучающие примеры, вы запускаете fine-tuning. Автоматизируйте этот цикл — кастомная модель без ручного сбора данных.
Исследователь / студент. RSI — активная область. Изучайте scalable oversight, constitutional AI, automated red-teaming. arXiv регулярно публикует работы именно по этим направлениям. Понимание механики автономного улучшения моделей будет конкурентным преимуществом в ближайшие годы — рынок только формируется.
Контент-мейкер. Прямого инструмента пока нет. Но косвенная связь сильная: каждый цикл RSI — это новые версии моделей за вашими рабочими инструментами. Следите за обновлениями внимательнее: между «старой» и «новой» версией теперь могут стоять шаги, сделанные самой же моделью.
Как применить сегодня
- Запустите синтетический датасет: попросите Claude или GPT-4o сгенерировать 100–200 пар вопрос/ответ для вашей ниши → сразу запустите fine-tuning небольшой модели через OpenAI Fine-tuning API или HuggingFace AutoTrain.
- Освойте distillation-паттерн: большая модель генерирует объяснения и примеры → меньшая обучается на них → специализированный инструмент за минимальный бюджет. Это доступно без ожидания Sol.
- Следите за Sol в OpenAI API: когда модель станет доступна, первый практический тест — попросить её описать, как она дообучила бы кастомную модель для вашей задачи.
- Читайте внутренние бенчмарки OpenAI, DeepMind, Anthropic критически: они сигнализируют о направлении, но независимая верификация — ваш инструмент оценки реального прогресса.
- Начните изучать тему AI safety и RSI: понимание рисков автономного самосовершенствования поможет принимать взвешенные решения при внедрении AI в критические процессы.