KI hat begonnen, selbst Code für sich selbst zu schreiben, GPT-5.6 hat den Kernel neu geschrieben, die Servicekosten sinken direkt um 20 %.
Dieses Mal beginnt die KI, ihren eigenen Code zu schreiben!
Sobald GPT-5.6 online ging, war die erste große Aufgabe, die es erhielt, eine umfassende „Modernisierung“ seiner eigenen Laufzeitumgebung durchzuführen.
Es hat den zugrundeliegenden Online-Code von OpenAI selbstständig neu geschrieben und optimiert, also die Produktions-GPU-Kerne, die tatsächlich für die Ausführung des Modells verantwortlich sind.
Am 29. Juli veröffentlichte OpenAI offiziell eine Reihe von Zahlen:
Die Kernel-Optimierung unter Beteiligung von GPT-5.6 Sol senkte die externen Dienstleistungskosten von OpenAI um 20 %; die Verbesserung der spekulativen Dekodierung steigerte die Effizienz der Token-Generierung des Modells um mehr als 15 %.
Dieses Mal hat GPT-5.6 kein Demo verändert, das in einer Demo-Umgebung läuft, sondern das Produktionssystem von OpenAI, das online läuft und täglich Milliarden von Benutzeranfragen verarbeitet.
Mit den Worten von Greg Brockman, Präsident von OpenAI: Die Nutzung von GPT-5.6 Sol zur Verbesserung der Effizienz der Produktionsdienste ist einer der Gründe, warum es gleichzeitig leistungsstark und kostengünstig ist.
Intern bei OpenAI gibt es längst einen vollständigen Ansatz, den Tibo (Thibault Sottiaux), Leiter von Codex, in zwei Schritten zusammenfasst:
Erster Schritt: Trainieren eines ausreichend leistungsstarken Modells;
Zweiter Schritt: Nutzen dieses Modells, um alles zu verbessern, einschließlich der Infrastruktur, des Inferenzstacks und der Kernel, die es selbst ausführen.
Wie wurden die 20 % eingespart?
Wie genau wurden diese 20 % der Dienstleistungskosten eingespart?
GPT-5.6 Sol wurde über Codex in den Produktions-Inferenzstack von OpenAI eingebunden und berührte alle Kernkomponenten des Inferenzstacks: GPU-Kern, Lastverteilung, spekulative Dekodierung und KV-Cache.
GPT-5.6 optimiert auf drei Ebenen: Agenten-Framework, API-Orchestrierung und Modellinferenz, was zu weniger Netzwerkübertragung, weniger CPU-Overhead und höherer GPU-Ausbeute führt.
Lastverteilung bedeutet im Klartext: Man darf nicht zulassen, dass einige wenige Karten bis zum Überhitzen beschäftigt sind, während andere Karten einfach ungenutzt bleiben;
Der KV-Cache speichert berechnete Zwischenergebnisse zur Wiederverwendung, um nutzlose Arbeit zu vermeiden;
Bei der spekulativen Dekodierung antwortet zuerst ein kleines Modell vorzeitig, während das große Modell nur für die Prüfung verantwortlich ist. Wenn die Antwort korrekt ist, können auf einmal mehrere Zeichen ausgegeben werden, anstatt wie üblich langsam ein Zeichen nach dem anderen zu erzeugen.
Schauen wir uns an, was GPT-5.6 Sol getan hat.
Es analysiert den tatsächlichen Produktionsverkehr, erkennt zuvor übersehene ungleiche Lastverteilungen und testet neue Routing-Strategien;
Es hat die Produktionskerne, die in den beiden GPU-Programmiersprachen Triton und Gluon geschrieben sind, selbstständig neu geschrieben und sucht gezielt nach Aufgaben, die im Voraus berechnet, übersprungen oder parallelisiert werden können;
Im Abschnitt der spekulativen Dekodierung entwarf und führte es Hunderte von Architekturexperimenten für das zugehörige Draft-Modell durch, startete und überwachte den Trainingsprozess selbst und griff aktiv ein, wenn Hardware-Fehler oder instabiles Training auftraten.
Durch die Feinabstimmung all dieser Abschnitte ergaben sich schließlich die beiden eingangs genannten Zahlen: Die Dienstleistungskosten sanken um 20 %, die Token-Generierungseffizienz stieg um über 15 %.
Tatsächlich gab OpenAI bereits bei der Veröffentlichung von GPT-5.6 am 9. Juli erste Hinweise darauf.
Interne Forscher nutzen es bereits zur Fehlerbehebung, zur Optimierung des Trainingssystems, zum Durchführen von Experimenten und zur Erklärung von Ergebnissen. Außerdem wurden speziell Bewertungen zur „Selbstverbesserung“ wie KernelGen, NanoGPT und RSI Index eingerichtet.
Diese Kostensenkung um 20 % bedeutet, dass diese Vorkehrungen erstmals zu greifbaren Zahlen auf der Rechnung geworden sind.
Wichtiger als die Einsparung von 20 % ist ein geschlossener Kreislauf
Die wirklich wichtige Veränderung ist, dass ein geschlossener Kreislauf funktioniert.
Verkehr analysieren, Optimierungen vorschlagen, Code schreiben, Experimente durchführen, Fehler beheben und dann die Ergebnisse anhand von Produktionskennzahlen validieren – heute kann das Modell an fast jedem Glied dieser Kette teilnehmen.
Bei einer Aufgabe durchläuft das Modell ständig den Zyklus „Entscheiden → Tools aufrufen → Ergebnisse lesen → erneut entscheiden“, bis das Ergebnis geliefert wird.
Nehmen wir die spekulative Dekodierung als Beispiel.
Diese Technik erfordert ein kleineres Draft-Modell. GPT-5.6 Sol entwarf und führte Hunderte von Architekturexperimenten für dieses Draft-Modell durch, änderte seine Größe, Struktur und Eigenschaften.
Hunderte von Experimenten erforderten früher einen seltenen GPU-Ingenieur, der mit Erfahrung und Intuition Konfigurationen manuell nacheinander ausprobierte, was Monate dauerte.
Der Konfigurationsraum ist so groß, dass Menschen ihn nie vollständig ausprobieren können und nur auf grobe Erfahrungsregeln zurückgreifen müssen, um Entscheidungen zu treffen.
Heute kann das Modell den Zyklus „Messen, Optimieren, Validieren“ extrem kurz halten. Dadurch kann das Team mehr Ideen erforschen und schneller mit sich ständig ändernden Lasten Schritt halten.
Noch wichtiger ist, dass dieser geschlossene Kreislauf sich selbst beschleunigen kann.
Je leistungsstärker das Modell ist, desto sparsamer kann der Inferenzstack optimiert werden; je sparsamer er ist, desto mehr Anfragen kann die gleiche Hardware verarbeiten; je mehr Benutzer bedient werden, desto mehr leistungsstärkere Modelle kann OpenAI einer größeren Anzahl von Benutzern zur Verfügung stellen.
Interne Daten von OpenAI belegen, wie schnell dieser Kreislauf läuft:
In der Beta-Phase von GPT-5.6 lag die durchschnittliche tägliche Token-Ausgabe pro aktivem Forscher bei mehr als dem Doppelten des Höchstwerts aus der GPT-5.5-Ära; im vergangenen halben Jahr stieg der Anteil der für die interne Code-Inferenz genutzten Forschungs-Rechenleistung um das 100-fache, der Token-Verbrauch interner Agenten stieg um etwa das 22-fache.
Jede eingesparte Recheneinheit wird schließlich zu Intelligenz, die mehr Menschen nutzen können.
Begann die KI mit der Selbstevolution?
Ist das also tatsächlich eine „beginnende Selbstevolution der KI“?
Zumindest jetzt noch nicht.
GPT-5.6 Sol optimiert die Software, die seine eigene Laufzeit übernimmt, die Dienstkonfiguration sowie das unterstützende Draft-Modell.
Es gibt keine Beweise dafür, dass es seine eigenen Hauptgewichte online verändert hat, noch dass es sich unabhängig vom Ingenieursteam zu einem nächsten Generation-Modell weiterentwickeln kann.
Wenn man die Gewichte als „Fracht“ der Modellintelligenz vergleicht, sind Kernel und Konfiguration die LKW und Routen für den Frachttransport. Dieses Mal hat es den Transport optimiert, die Fracht selbst aber noch nicht berührt.
Daher ist es genauer gesagt die frühe Form eines „Selbstoptimierungs-Flywheels“, keine rekursive Selbstverbesserung.
Es gibt noch einen weiteren Punkt zu beachten.
Die offizielle Seite verwendete dieses Mal den Begriff „autonom“ zur Beschreibung der Kernel-Neuschreibung und einiger Experimente, was aber nicht gleichbedeutend mit „völlig ohne menschliche Beteiligung“ ist. Wer die Ziele festlegt, welches Produktionssystem eingebunden wird, mit welchen Tools validiert wird und wie die Bereitstellung erfolgt – all diese Schritte liegen fest in der Hand des Ingenieurssystems von OpenAI.
Beispielsweise der Validierungsprozess: Die von dem Modell geschriebenen Produktionskerne müssen geprüft werden, bevor sie online gehen können.
OpenAI hat speziell ein Open-Source-Tool namens FpSan (Floating Point Sanitizer) eingesetzt, um die Struktur und den Datenfluss dieser Kerne auf Korrektheit zu prüfen.
Ob das automatische Validierungssystem Schritt halten kann, ist der eigentliche Engpass, der es ermöglicht, der KI die Erstellung von zugrundeliegendem Code zuzutrauen.
Ausblickend hat OpenAI ständig den Weg für RSI (Recursive Self-Improvement, rekursive Selbstverbesserung) geebnet.
Bereits im Februar wurde GPT-5.3-Codex von der offiziellen Seite als „an seiner eigenen Entstehung beteiligt“ beschrieben; dieses Mal hat GPT-5.6 Sol das kleinere Luna-Modell selbstständig nachtrainiert; auf dem internen RSI-Index, der speziell die Fähigkeit zur Selbstverbesserung misst, liegt es 16,2 Punkte über GPT-5.5.
Interne Kosten-Score-Kurve des RSI-Index von OpenAI: Die drei Varianten von GPT-5.6 übertreffen GPT-5.5 und GPT-5.4 vollständig, bei gleichem Score sind sie kostengünstiger.
Ein Urteil von OpenAIs altem Konkurrenten Anthropic ist noch radikaler:
Der Mensch ist heute nur noch für einstellige Prozentsätze der richtungsweisenden Entscheidungen verantwortlich.
Sein Mitbegründer Jack Clark erklärte sogar, dass die Wahrscheinlichkeit für eine vollständige rekursive Selbstverbesserung bis Ende 2028 über 60 % liegt.
Das Flywheel hat sich in Bewegung gesetzt, aber die echte „KI, die sich selbst erzeugt“ ist noch in Arbeit.
Die Wettbewerbsachse hat sich geändert: Von „wer hat mehr GPUs“ zu „wer extrahiert mehr Token“
Diese 20 % bedeuten, dass OpenAI mit der gleichen Anzahl von Karten jetzt 20 % mehr Aufgaben verarbeiten kann.
Sie weist auf eine noch größere Veränderung hin.
In den vergangenen Jahren konkurrierten KI-Unternehmen darum, wer sich mehr GPUs leisten kann. Diese Logik ist einfach und brutal und verschlingt Unmengen an Geld.
Aber in einer Welt, in der die Rechenleistung nie ausreicht und die Nachfrage schneller wächst als die Produktionskapazität, ist eine weitere Schlüsselvariable aufgetaucht: Wer kann mit der gleichen Anzahl von Karten mehr Token herausholen?
Die Inferenzeffizienz wird zu einem Faktor, der genauso wichtig ist wie die Anzahl der Chips.
OpenAI selbst hat dies mit seiner Produktlinie bestätigt.
GPT-5.6 wurde dieses Mal in einem Zug in drei Varianten unterteilt: Sol, Terra und Luna. Das zentrale Verkaufsargument lautet: Gleiche Intelligenz, weniger Token.
Die Effizienz wird auf die gleiche Ebene wie die Intelligenz gestellt.
Und dieses Mal war es das Modell selbst, das die Inferenzeffizienz von OpenAIs Modellen verbessert hat.
Je leistungsstärker das Modell ist, desto besser kann der Inferenzstack optimiert werden; je effizienter der Inferenzstack ist, desto mehr Token kann die gleiche Hardware verarbeiten; wenn die Kosten sinken, kann das leistungsstärkere Modell einer größeren Anzahl von Benutzern zur Verfügung gestellt werden.
Dieses Flywheel hat OpenAI bereits in Bewegung gesetzt.
Referenzen:
https://x.com/OpenAI/status/2082577277246972300
https://openai.com/index/gpt-5-6-frontier-intelligence-efficiency/
https://openai.com/index/gpt-5-6/
https://x.com/gdb/status/2082579736065372189
Dieser Artikel stammt aus dem WeChat-Offiziellen Konto „Xinzhiyuan“, Autor: ASI Offenbarung, veröffentlicht mit Genehmigung von 36Kr.