递归自我改进不一定意味着模型改写自己的权重。智能体也可以改进运行AI系统所依赖的软件、工具、环境或工作流程。一些报道中的中国项目，正体现了这种着眼于“系统周边”的路线；但现有证据支持的结论仍有限，还不足以说明AI已能自主打造自己的后继者。

什么才算递归改进？

改提示词或写一段代码，并不自动等于递归自我改进。更严格的判断标准是：系统是否对“产生下一轮改进的流程”作出了持续且被接受的改变，以至于下一轮也能使用改进后的流程。

关于自我改进型智能体运行框架的研究，描述了一种循环：智能体从执行记录中寻找弱点，提出框架修改，再用回归测试验证。 52 另一篇论文对“递归”提出了更严格的定义：AI研究智能体的代码经过修改并获接受后，新版本会接着执行下一轮修改。论文摘要称，在一次为期8天的运行中，系统连续发现了7项改进；这是特定智能体设置下的研究结果，并不等于通用AI已实现开放式自我改进。 56

现有证据显示了什么？

36氪在9月的一篇报道中称，由GLM-5.3驱动的基础设施智能体，在由超过10万张国产芯片组成的集群上优化了模型推理引擎。这项工作耗时不到两周，据报道，端到端吞吐量达到初始基线的3倍。 21 这说明AI辅助基础设施优化有相关案例报道；但仅凭这一点，无法确认智能体是否自主选择了目标、验证了自身结果，或改进了负责下一轮优化的流程。

月之暗面的Kimi K3资料还展示了另一层基础设施：公司发布了AgentEnv，并将其描述为用于分布式强化学习环境的基础设施，同时公开了通信库和高性能注意力算子等训练系统技术。 25 这些工具可以支撑模型训练和智能体开发，但它们的存在本身，并不能证明智能体已自主设计出更好的训练环境或后继模型。

还需要区分基础设施优化和模型训练。智谱的文档称，GLM-5.3与GLM-5.2使用相同的基础模型，其改进来自后训练。 2 这说明了一条有文档支持的模型改进路径，但并不能证明模型能力提升完全来自外围工具链的变化。

用五级框架看自主性

9月论文《人类制造的最后一个AI》（The Last AI Built by Humans）提出了五个逐步提高的自主性等级：执行预先规定的改进；选择改进策略；自主获取未来学习所需的经验；依据部署和环境反馈进行适应；以及改进“改进本身”的流程。 33 相关报道也将这套框架描述为走向由AI构建后继系统的路径。 35

这套分级有助于区分不同类型的自动化：执行人类设计的实验，不等同于自行决定该改进什么；而这两者也都不等于能够可靠地重新设计并验证自己的改进循环。论文提供的是一套区分这些情况的框架；本文所依据的资料，并未证明大多数前沿系统已处于第一级或第二级。

哪些说法仍未得到验证？

现有资料无法证实一些围绕DSec每日沙箱数量、ModelBest训练框架与算子基准、月之暗面据称使用的沙箱数量及恢复预案，以及阿里巴巴某次训练运行的详细说法。资料中也没有所谓雷锋网调查的调查结果。相关来源里的雷锋网文章是一篇Kimi K3技术报告，并非递归自我改进调查。 24

独立的智能体运行框架研究也指出，性能提升可能伴随更高的执行成本。因此，评估时不能只看任务成功率，还要衡量计算资源或工具调用的开销。 54 更广泛地说，任何关于“递归”的说法，都应说明目标由谁设定、改动是否有效由谁判断，以及被接受的改动是否真的让下一轮变得更好。

目前最稳妥的结论是：AI开发工具链的自动化值得关注，但开放式递归自我改进尚未得到验证。 如果基础设施智能体或自我改进型运行框架能够让改进持续生效，并增强后续工作，它们确实是有意义的进展。但吞吐量提升、可复用工具或多轮训练，本身都不足以证明AI能可靠地决定改进方向、评估自身结果，并打造更强的后继系统。

递归自我改进不一定意味着模型改写自己的权重。智能体也可以改进运行AI系统所依赖的软件、工具、环境或工作流程。一些报道中的中国项目，正体现了这种着眼于“系统周边”的路线；但现有证据支持的结论仍有限，还不足以说明AI已能自主打造自己的后继者。

什么才算递归改进？

改提示词或写一段代码，并不自动等于递归自我改进。更严格的判断标准是：系统是否对“产生下一轮改进的流程”作出了持续且被接受的改变，以至于下一轮也能使用改进后的流程。

关于自我改进型智能体运行框架的研究，描述了一种循环：智能体从执行记录中寻找弱点，提出框架修改，再用回归测试验证。 52 另一篇论文对“递归”提出了更严格的定义：AI研究智能体的代码经过修改并获接受后，新版本会接着执行下一轮修改。论文摘要称，在一次为期8天的运行中，系统连续发现了7项改进；这是特定智能体设置下的研究结果，并不等于通用AI已实现开放式自我改进。 56

现有证据显示了什么？

36氪在9月的一篇报道中称，由GLM-5.3驱动的基础设施智能体，在由超过10万张国产芯片组成的集群上优化了模型推理引擎。这项工作耗时不到两周，据报道，端到端吞吐量达到初始基线的3倍。 21 这说明AI辅助基础设施优化有相关案例报道；但仅凭这一点，无法确认智能体是否自主选择了目标、验证了自身结果，或改进了负责下一轮优化的流程。

月之暗面的Kimi K3资料还展示了另一层基础设施：公司发布了AgentEnv，并将其描述为用于分布式强化学习环境的基础设施，同时公开了通信库和高性能注意力算子等训练系统技术。 25 这些工具可以支撑模型训练和智能体开发，但它们的存在本身，并不能证明智能体已自主设计出更好的训练环境或后继模型。

还需要区分基础设施优化和模型训练。智谱的文档称，GLM-5.3与GLM-5.2使用相同的基础模型，其改进来自后训练。 2 这说明了一条有文档支持的模型改进路径，但并不能证明模型能力提升完全来自外围工具链的变化。

用五级框架看自主性

9月论文《人类制造的最后一个AI》（The Last AI Built by Humans）提出了五个逐步提高的自主性等级：执行预先规定的改进；选择改进策略；自主获取未来学习所需的经验；依据部署和环境反馈进行适应；以及改进“改进本身”的流程。 33 相关报道也将这套框架描述为走向由AI构建后继系统的路径。 35

这套分级有助于区分不同类型的自动化：执行人类设计的实验，不等同于自行决定该改进什么；而这两者也都不等于能够可靠地重新设计并验证自己的改进循环。论文提供的是一套区分这些情况的框架；本文所依据的资料，并未证明大多数前沿系统已处于第一级或第二级。

哪些说法仍未得到验证？

现有资料无法证实一些围绕DSec每日沙箱数量、ModelBest训练框架与算子基准、月之暗面据称使用的沙箱数量及恢复预案，以及阿里巴巴某次训练运行的详细说法。资料中也没有所谓雷锋网调查的调查结果。相关来源里的雷锋网文章是一篇Kimi K3技术报告，并非递归自我改进调查。 24

独立的智能体运行框架研究也指出，性能提升可能伴随更高的执行成本。因此，评估时不能只看任务成功率，还要衡量计算资源或工具调用的开销。 54 更广泛地说，任何关于“递归”的说法，都应说明目标由谁设定、改动是否有效由谁判断，以及被接受的改动是否真的让下一轮变得更好。

目前最稳妥的结论是：AI开发工具链的自动化值得关注，但开放式递归自我改进尚未得到验证。 如果基础设施智能体或自我改进型运行框架能够让改进持续生效，并增强后续工作，它们确实是有意义的进展。但吞吐量提升、可复用工具或多轮训练，本身都不足以证明AI能可靠地决定改进方向、评估自身结果，并打造更强的后继系统。