会改自己代码也不算真正自我进化：上海交大等给RSI划了5级
相关推荐
又一条RSI路线出现：模型参数不动，Agent靠Memory持续进化
动察 Beating AI 快讯，UCSD 助理教授黄碧薇创办的因果世界模型公司 Aether AI 开源 RSIAgent。 这是一套不训练模型的递归自我改进框架。底层模型参数全程固定，Agent 会自己寻找值得练习的任务、实际操作、检查结果，再把成功方法和失败教训写进长期 Memory。下一轮继续利用这些经验，逐步补上能力短板。 系统由三个 Agent 配合。Curriculum Agent 决定接下来练什么，Actor Agent 真正操作软件，Verifier Agent 独立检查结果。探索分成两步：先广泛尝试不同任务，再针对失败、隐藏限制和边界情况继续深挖。最后 Memory 会被冻结，直接拿去执行正式任务。 在 OSWorld 2.0 上，加入这套 RSI 后，平均部分得分从 71.97% 提升到 78.98%；Agents’ Last Exam 从 83.75% 提升到 84.82%。不过这不是整套测试的严格 A/B 对比。OSWorld 只有一半任务实际用了 RSI 后的新结果，其余任务继续沿用原成绩。 它和 Prime Agent 这类 Harness 自我改进思路属于同一个大方向：模型权重不变，持续更新模型外面的东西。 RSIAgent 的特点是把改进重点放在 Memory，再用自主出题和独立验证，让这份外部经验库不断积累。
RSIGym开源：让AI研究如何改进AI，瞄准递归自我改进
动察 Beating AI 快讯，做 AI 训练和评测工具的 Evolvent AI 开源了 RSIGym，目标是研究 AI 的递归自我改进（RSI）。简单说，就是让 AI 自己寻找系统弱点、提出修改方案、测试效果，再尝试用改进后的系统开展下一轮研究。 RSIGym 将训练、推理、评测和沙箱做成现成服务。研究 Agent 可以生成训练数据、调整微调参数、训练模型，再根据评测结果修改方案。它还能修改 Harness，也就是控制模型如何调用工具、执行任务的程序。研究者可以让 Agent 只改训练数据、只改 Harness，或者同时优化两者。平台统一管理实验预算、权限和执行日志。 团队还推出 RSI-Index，测试 AI Agent 改进另一套 AI 系统的能力。6 款研究 Agent 分别从相同的 Qwen3.5 基础模型和简单 Harness 出发，在编程、数学等 5 类任务上进行优化。Opus 5 综合排名第一。它改造后的系统在 SWE-bench Verified 的 100 题子集上，成绩从 17.67% 提高到 50.33%；数学测试 AIME 则从 31.67% 提高到 97.78%。 另一组实验只改 Harness，不动模型权重。Opus 5 根据 DeepSeek Harness 的执行日志，修复了输出截断后停止工作、提前宣布任务完成等问题。在 Qwen3.6 模型权重完全不变的情况下，Terminal-Bench 2.0 成绩从 30.34% 提高到 40.82%。 团队还尝试让 Qwen3.8-27B 改进自身，由它同时担任研究 Agent 和被改进的模型。它在 6 道测试题上找到了一套看起来有效的微调方案，但在完整的 37 道题中，成绩反而从 56.66% 略降至 56.26%。此外，每组实验只进行一次研究运行，Agent 在开发阶段也能接触评测题目。目前还没有证据表明，改进后的 AI 可以继续提升自身的研发能力，实现多轮递归自我改进。
Prophetlab 获数千万元种子轮融资 预测引擎登顶 FutureX 榜首
火星财经消息，据雷峰网·鲸犀报道，AI 预测引擎公司 Prophetlab 已完成数千万元种子轮融资，由常春藤资本等机构联合投资。公司成立不到四个月，其预测引擎 Prophet Engine 已登顶字节 Seed 发布的 FutureX 总榜榜首，并获得数百万商业化订单。Prophetlab 早期项目利用 AI 大模型预测世界杯赛果，成功预测决赛结果及四强队伍，部分模型准确率约 75%。团队由国内外高校 AI PhD 与 FinTech Master 组成，创始成员曾参与阿里千问、腾讯混元等千亿量级模型训练，并与上海交通大学严骏驰教授团队开展产学研合作。公司即将发布专注商业预测的 Investor's Last Exam 榜单。
DeepSeek Harness底座Cordis有了Rust实现：DimAgent准备用它重构
动察 Beating AI 快讯，DimAgent 创始人 Han Cheng 开源插件运行时 Rutis，并表示接下来会用它支撑 DimAgent 的新架构。Rutis 用 Rust 重新实现了 Cordis 的核心设计，后者正是 DeepSeek Harness 使用的底层插件框架。 DeepSeek Harness 用 Cordis 管理模型、工具、会话、Agent Loop 等组件。每个组件都可以做成插件，只声明自己需要和提供哪些服务，Cordis 负责启动、卸载、依赖变化和资源清理。 Rutis 把这套机制搬到了 Rust，同时支持 TypeScript、JavaScript 和 Python 插件。不同语言的插件可以互相调用，也可以分布在不同进程和机器上运行。现有 Cordis 插件也可以直接接入，不需要全部重写。
AI订阅大摸底：Claude补贴比国产Coding Plan还狠
动察 Beating AI 快讯，SemiAnalysis 把 OpenAI、Anthropic、Meta、SpaceXAI、MiniMax、月之暗面、智谱、Cursor 和 Cognition 的 AI 订阅套餐逐个测了一遍。它分别测试输入、缓存写入、缓存读取和输出会消耗多少订阅额度，再按自己 9 月的 Agent 使用结构计算，其中约 96.6% 是缓存读取。最后再套用各家的 API 标价，看同样一批 token 如果直接走 API，需要花多少钱。SemiAnalysis 将这个数字称为「API 等价价值」。 Claude 的 Sonnet 和 Opus 补贴最狠。同样每月 200 美元的 Max 20x，使用 Sonnet 5.5 最多可跑出约 12,529 美元的 API 用量，相当于月费的 62.6 倍；Opus 5.5 约为 11,726 美元，相当于 58.6 倍。换成更贵的旗舰模型 Fable 5.1，却只剩 2,485 美元，也就是 12.4 倍。同一个套餐能差近 5 倍，因为不同模型和不同类型的 token，扣掉后台额度的速度并不一样。Anthropic 给 Sonnet 和 Opus 留了大量额度，对 Fable 则明显收紧。 国产 Coding Plan 同样大量补贴重度用户，但力度仍追不上 Claude。SemiAnalysis 测得，132 美元的 MiniMax Token Ultra 可折算约 3,088 美元 MiniMax-M3 API 用量，相当于月费的 23.4 倍；168 美元的智谱 GLM Coding Max 约为 11.6 倍；199 美元的 Kimi Code Ultra 约为 6.7 倍。即使是其中最高的 MiniMax，每美元折算价值也只有 Claude Sonnet、Opus 的四成左右。 OpenAI 最近反而开始主动收紧补贴。新购 Pro 200 的各档模型 token 额度被直接减半，此前购买的套餐可暂时保留旧额度到 10 月 29 日。现在 200 美元 ChatGPT Pro 使用 GPT-6.1 Sol，折算价值约 2,084 美元，相当于月费的 10.4 倍；同价 Claude Opus 是它的 5.6 倍。即使撇开两款模型 API 单价的差异，只算实际 token，两者也是约 286 亿对 102 亿，Claude 仍多 2.8 倍。 但到
ElevenLabs v4登顶TTS榜，超过Gemini和Qwen
动察 Beating AI 快讯，ElevenLabs 发布新一代语音模型 Eleven v4 和实时版 Eleven v4 Turbo。v4 主打更自然的情绪和声音控制，Turbo 面向实时语音 Agent，中位推理延迟约 100ms。 在 Artificial Analysis 最新 TTS 盲测榜中，Eleven v4 目前以 1315 Elo 排第一。Cartesia Sonic 3.6 为 1275，Gemini 3.8 Flash TTS 为 1267，Qwen-Audio-3.0-TTS-Plus 为 1258。上一代 Eleven v3 目前只有 1169，排第 17。 v3 已经支持笑声、耳语等音频标签，v4 主要把这套控制做得更准。用户可以直接指定语气、节奏、情绪和音效，也可以用自然语言描述一句话该怎么说。模型还把语言覆盖从 70 多种扩到 90 多种，Instant Voice Clone 只需要约 10 秒音频，并增强了长文本和多人对话中的声音一致性。 Turbo 则专门解决实时对话的速度问题。官方文档显示，v3 Conversational 的中位推理延迟约为 280ms，v4 Turbo 降到约 100ms。