GPT-5.6 está otimizando a si mesmo: nova abordagem de bootstrap surge

A OpenAI publicou um relatório técnico detalhando o RSI (Recursive Self-Improvement, ou Autoaperfeiçoamento Recursivo) aplicado ao GPT-5.6. O modelo já está implantado em produção: ele analisa o tráfego, ajusta o roteamento, reescreve kernels Triton e Gluon, otimiza seu próprio sistema de decodificação especulativa executando centenas de experimentos e busca parâmetros de implantação ideais (batching, sharding, gerenciamento de cache KV). Como resultado, o custo de serviço ponta a ponta da OpenAI caiu 20% e a eficiência na geração de tokens melhorou mais de 15%. Entre os autores notáveis está Philippe Tillet, criador do Triton. No entanto, a supervisão humana permanece: humanos definem objetivos de otimização, permissões de ferramentas, métricas de avaliação e decisões finais de implantação. Além disso, a OpenAI construiu um Agent Harness baseado em Rust para reduzir a sobrecarga repetitiva em loops de agentes, com otimizações como descoberta preguiçosa de ferramentas (mostrando ferramentas apenas quando necessário) e cache de prompt somente anexação (append-only prompt caching) para preservar a reutilização de contexto. Durante os testes internos do GPT-5.6, a produção diária de tokens por pesquisador ativo dobrou em comparação com o pico do GPT-5.5; a computação de pesquisa para raciocínio de programação interna cresceu 100 vezes em seis meses, e o uso de tokens por agentes internos aumentou cerca de 22 vezes.