GPT-5.6 đang tự tối ưu hóa, một cách tiếp cận bootstrap mới đã xuất hiện

OpenAI đã công bố một báo cáo kỹ thuật chi tiết về RSI (Recursive Self-Improvement – tự cải thiện đệ quy) được áp dụng cho GPT-5.6. Mô hình hiện đã được triển khai trong sản xuất: nó phân tích lưu lượng, điều chỉnh định tuyến, viết lại các kernel Triton và Gluon, tối ưu hóa hệ thống giải mã suy diễn (speculative decoding) của chính nó bằng cách chạy hàng trăm thử nghiệm, và tìm kiếm các tham số triển khai tối ưu (xử lý theo lô, phân mảnh, quản lý bộ nhớ đệm KV). Kết quả là, chi phí dịch vụ đầu cuối của OpenAI giảm 20% và hiệu suất tạo token được cải thiện hơn 15%. Một tác giả đáng chú ý bao gồm Philippe Tillet, người tạo ra Triton. Tuy nhiên, vẫn có sự giám sát của con người: con người đặt ra các mục tiêu tối ưu hóa, quyền truy cập công cụ, chỉ số đánh giá và quyết định triển khai cuối cùng. Ngoài ra, OpenAI đã xây dựng một Agent Harness dựa trên Rust để giảm chi phí lặp lại trong các vòng lặp agent, với các tối ưu hóa như khám phá công cụ lười biếng (chỉ hiển thị công cụ khi cần) và bộ nhớ đệm lời nhắc chỉ nối thêm (append-only prompt caching) để duy trì việc tái sử dụng ngữ cảnh. Trong quá trình thử nghiệm nội bộ GPT-5.6, số lượng token đầu ra hàng ngày trên mỗi nhà nghiên cứu tích cực đã tăng gấp đôi so với đỉnh điểm của GPT-5.5; khối lượng tính toán nghiên cứu cho lập luận lập trình nội bộ tăng gấp 100 lần trong sáu tháng, và mức sử dụng token agent nội bộ tăng khoảng 22 lần.