GPT-5.6が自己最適化、新たなブートストラップ手法が登場

OpenAIは、GPT-5.6に適用されたRSI（再帰的自己改善）に関する技術レポートを公開しました。このモデルは現在本番環境にデプロイされており、トラフィックの分析、ルーティングの調整、TritonカーネルやGluonカーネルの書き換え、数百もの実験を実行して独自の投機的復号化システムを最適化し、最適なデプロイメントパラメータ（バッチ処理、シャーディング、KVキャッシュ管理）を探索しています。その結果、OpenAIのエンドツーエンドのサービスコストは20%削減され、トークン生成効率は15%以上向上しました。注目すべき著者として、Tritonの生みの親であるPhilippe Tilletが含まれています。ただし、人間による監視は依然として存在し、人間が最適化目標、ツールの権限、評価指標、最終的なデプロイメントの決定を設定します。さらに、OpenAIはRustベースのエージェントハーネス（Agent Harness）を構築し、エージェントループにおける反復的なオーバーヘッドを削減しました。このハーネスには、遅延ツール発見（必要なときだけツールを表示する）や、コンテキストの再利用を維持するための追加専用プロンプトキャッシングなどの最適化が含まれています。GPT-5.6の内部テストでは、アクティブな研究者1人あたりの1日あたりのトークン出力が、GPT-5.5のピーク時と比較して2倍になりました。内部のプログラミング推論のための研究コンピュートは6か月で100倍に増加し、内部エージェントのトークン使用量は約22倍に増加しました。