GPT-5.6上线“翻修”运行环境，降本提效
这回，GPT-5.6一上线，就为自己的运行环境来了次大「翻修」，开始为自己写代码。它自主重写、优化了OpenAI线上的生产GPU内核。7月29日，OpenAI官方公布数据，GPT-5.6 Sol参与的内核优化让服务成本降了20%，推测解码改进使模型生成token效率提升超15%。此次改造的是OpenAI线上每天承载十亿级用户请求的生产系统，OpenAI总裁Greg Brockman称让GPT-5.6 Sol提升生产服务效率是其又强又便宜的原因之一。
OpenAI内部打法与成本节省方式
OpenAI内部已形成一套打法，Codex掌门人Tibo概括为两步：先训出强模型，再用其优化基础设施、推理栈和内核。GPT-5.6 Sol通过Codex接入生产推理栈，优化了GPU内核、负载均衡、推测解码、KV缓存。在智能体框架、API编排、模型推理三层优化，实现更少网络传输、CPU开销和更多GPU产出。负载均衡避免显卡忙闲不均，KV缓存重复使用中间结果，推测解码让小模型抢答、大模型验收以提高输出效率。
GPT-5.6 Sol具体优化举措及成果
GPT-5.6 Sol分析生产流量，找出负载不均问题并测试新路由策略；重写生产内核，寻找可预先算好、跳过、并行的工作；在推测解码环节针对draft模型进行数百次架构实验，监控训练流程并主动介入故障。这些优化最终实现服务成本降20%，token生成效率涨15%以上。早在7月9日GPT-5.6发布时就有端倪，内部研究员用它做多项工作，还设置「自我改进」评测，此次降本意味着布局变为实际数字。
闭环跑通及意义
一个闭环跑通了，模型几乎能参与分析流量、提出优化等回路的每一环，在任务中不断「决策→调用工具→读取结果→再决策」。以推测解码为例，过去实验需工程师手工尝试数月，现在模型能压缩循环时间，让团队探索更多想法、适应负载变化。闭环会自我强化，模型越强越优化推理栈，降低成本，使同样硬件服务更多请求，让更强模型惠及更多人，OpenAI内部数据也证明了这一点。
是否算AI自我进化
目前不算「AI开始自我进化」，GPT-5.6 Sol优化的是软件、服务配置和draft模型，未改动主体权重，也不能脱离工程团队升级下一代模型。更准确说是「自优化飞轮」早期形态，非递归自我改进。官方虽用「自主」形容，但并非完全无人参与，目标设定等环节由OpenAI工程体系掌控，自动验证体系完善程度是「让AI写底层代码」的瓶颈。
OpenAI为RSI做准备及行业竞争变化
OpenAI一直在为RSI做准备，GPT-5.3 - Codex曾被形容为「参与了自己的创造」，GPT-5.6 Sol自主后训练了Luna，在RSI Index上比GPT-5.5高16.2分，成本 - 得分曲线显示更省钱。老对手Anthropic联创Jack Clark称2028年底前出现完整递归自我改进概率超60%。成本降低20%让OpenAI能多承接业务，过去AI公司比拼GPU数量，现在推理效率和芯片数量同样重要，OpenAI通过GPT-5.6分档主打同等智力下更少token的卖点，模型自己提升了推理效率，飞轮已转动。
