GPT-5.6 Mengoptimalkan Dirinya Sendiri, Pendekatan Bootstrap Baru Muncul
OpenAI
Laporan teknis OpenAI mengungkapkan bahwa GPT-5.6 kini diterapkan di lingkungan produksi untuk mengoptimalkan lingkungan runtime-nya sendiri, termasuk menganalisis lalu lintas, menyesuaikan perutean permintaan, menulis ulang kernel tingkat rendah, dan mengoptimalkan decoding spekulatif. Peningkatan ini mengurangi biaya layanan keseluruhan sebesar 20% dan meningkatkan efisiensi pembuatan token hingga lebih dari 15%. Sementara itu, pengawasan manusia tetap ada, dengan tujuan optimasi dan keputusan penerapan dikendalikan oleh manusia.
OpenAI menerbitkan laporan teknis yang merinci RSI (Peningkatan Diri Rekursif) yang diterapkan pada GPT-5.6. Model ini kini telah digunakan dalam produksi: ia menganalisis lalu lintas, menyesuaikan perutean, menulis ulang kernel Triton dan Gluon, mengoptimalkan sistem decoding spekulatifnya sendiri dengan menjalankan ratusan eksperimen, serta mencari parameter penyebaran yang optimal (batching, sharding, manajemen Cache KV). Hasilnya, biaya layanan end-to-end OpenAI turun 20% dan efisiensi pembuatan token meningkat lebih dari 15%. Penulis terkenal termasuk Philippe Tillet, pencipta Triton. Namun, pengawasan manusia tetap ada: manusia menetapkan sasaran optimasi, izin alat, metrik evaluasi, dan keputusan penyebaran akhir. Selain itu, OpenAI membangun Agent Harness berbasis Rust untuk mengurangi overhead berulang dalam loop agen, dengan optimasi seperti penemuan alat secara malas (hanya menampilkan alat saat diperlukan) dan caching prompt yang hanya menambahkan untuk mempertahankan penggunaan ulang konteks. Selama pengujian internal GPT-5.6, token harian yang dihasilkan per peneliti aktif berlipat ganda dibandingkan puncak GPT-5.5; komputasi riset untuk penalaran pemrograman internal tumbuh 100 kali lipat dalam enam bulan, dan penggunaan token agen internal meningkat sekitar 22 kali lipat.
Sumber: QbitAI 量子位 —
asli