一天造300万个沙盒，10万张卡自己写系统：2026年国产 RSI 到底有多野？

RSI，即 AI 造 AI，成为了 2026 年各家模型厂商争相晒的内部成绩单，也是国内一级市场最热的方向之一。只要BP带上 "Self-Training" 的字眼，估值至少多两成。

但真正的 RSI ，不止是 AI 改进 AI ,它还得把经验沉淀下来，让学习方法本身跟着进化。

今年 9 月，上海交大、清华、字节、商汤等机构的 35 位研究者发了篇论文《The Last AI Built by Humans》，给整个行业立了把标尺，它 RSI 分 L1 到 L5 五层，结论令人扎心：

全球前沿大厂的系统大多处于 L1 到 L2 的过渡阶段，L3、L4 在特定垂直领域（如软件工程、科学发现）有零星雏形，而真正的 L5 闭环仅存在于极少数受限的实验室原型中。

如果用这把尺子去丈量九、十月份国内模型厂商晒出的RSI实验成果，包括训练流程、推理系统、 GPU 算子、 Agent 脚手架；但目前没有一家厂商敢去用AI真正改写底层模型权重。也就是说，目前大家距离传说中的“AI 自己发明下一代 AI（L5）”，甚至连门槛都还没摸到。

那么在这场RSI热潮中，国内各大厂与明星创业公司究竟各自卡在了什么生态位？他们分别在让 AI 改进什么、做到哪一步了？以下我们梳理了国内模型厂商最新 RSI 情况。

01

 智谱 RSI ：跑在 10 万张国产卡上，

能自我优化的推理系统

智谱是国内首个把 RSI 真正跑进生产环境的案例。它的 RSI 第一步没碰模型权重，先落在了最脏最累的底层推理系统上；跑通之后，智谱又把目光放到了 Agent 的 Harness上。前者降本，后者增效，全是实打实的工程活。

先说推理基础设施。一个新模型要真给用户用起来，中间隔着一大堆脏活累活，怎么榨干芯片的算力，怎么把庞大的任务拆分给成千上万张卡同时跑，怎么高效管理对话时产生的海量临时数据等等，这些事过去是 Infra 工程师一行一行调出来的。

智谱这次直接让 GLM-5.3 驱动的“Infra Agent”接管了这一切。9 月 17 日，唐杰在 X 上发了一篇长文《通往递归自我改进》，表示由 GLM-5.3 驱动的 Infra Agent，在 10 万张国产芯片组成的集群上，仅用两周就从零搭起了 GLM-5.3-Flash 的生产级推理服务。

这套系统在扛住全部线上流量的同时，把端到端吞吐拉到初始基线的 3.2 倍，硬件利用率和单 Token 成本直接追平了主流英伟达 GPU 的水平。在这套自主搭建的推理栈支持下，智谱匿名上线的 GLM-5.3-Flash，6 天跑掉超过 62 万亿 Token。

而这些跑通的优化方案，会被抽象成“优化骨架”存进资产库，下次遇到类似瓶颈直接复用。用唐杰的话说：“智谱已经实现了最小的闭环：模型优化系统，系统服务模型。”

消息当天，智谱港股涨了 8.29%，市场对“智谱RSI" 的成果直接买单。

紧接着，10 月下旬，清华与智谱团队更新论文《HarnessPro: Recursive Harness Self-Improvement with Pareto Optimization for Performance-Cost Trade-offs》，唐杰亲自署名，把目标对准了 Agent 的 Harness。

作为大模型外围的调度框架，Harness 掌管着提示词的设计、工具的调用、算力预算的分配以及任务路由的流转。过去，这套错综复杂的控制参数只能靠工程师手动调试。如果让 AI 自己来改，特别容易“偷看标准答案”然后作弊，做出一套高分低能的东西。

HarnessPro 的破局点在于它完全不碰标准答案。系统派多个专职 Agent 分工协同，诊断 Agent 负责找到瓶颈，测试生成 Agent 自己合成用例做压力测试，规划实现 Agent 按省钱或性能的不同导向改框架代码；同时把“准确率”和“执行成本”当成两个指标一起跑。

结果是在零答案接触的前提下，高难度代码任务的通过率不降反升，单任务花费直接砍掉了 53%。

这一连串动作，恰好印证了智谱创始人兼首席科学家唐杰的那句行业名言：“驱动循环的不是智能，是闭环本身。” 哪怕模型本身没那么天才，只要有一个可改进的对象、一个可验证的裁判，以及一个可维持的反馈回路，把这三件事咬合成一个闭环，性能就能被逼向极限。

智谱的野心显然不止于此。8 月 31 日的半年度业绩交流会上，唐杰已经明确将下一代 GLM-6.0 定义为“完全自训练”模型，并计划将刚融到的 50 亿美元中约 60% 的净额砸进这套自进化体系。

10 月初在新加坡的演讲，他又给出 GLM-5.4 / 5.5 的三条路线：预训练数据规模做到几个 T，意味着参数量有望从目前的 7400 多亿冲到至少 1 万亿；强化 RL 后训练，把 SFT、RLHF、RLVR 做深；持续拉长程推理与智能体能力。

他强调现在 AI 已基本不需要卷对话、Coding 写代码，下一代就走两条路，RSI 自主迭代升级，以及周期更长、更自主的 Agent。

但他对最大的难点也不回避。“不是继续扩模型，” 他说，“而是让模型能可靠地判断何时停止、何时纠错、如何评价自己的训练结果。”

02