突破性里程碑!OpenAI 首度認證 Astra 具「高度自我改進能力」三大指標同步飆升
2026 年 11 月 18 日,OpenAI 在 GPT-6.

2026 年 11 月 18 日,OpenAI 在 GPT-6.2 Astra 的系統卡中把 AI Self-Improvement(AI 自我改進)一項評為 High,這是 OpenAI 對外發布的模型頭一次觸及這個評等。同日,Vals 追蹤的 RSI-Index 從 27.07% 升至 29.01%,以 50% 作為人類參照基準。數學驗證端同步出現訊號:Epoch 在 FrontierMath Erdős 題庫中,以 Lean 語言確認了 68 道題裡的 7 道解,前高紀錄是 3 道。三個來源各異的數字在同一天往同一個方向移動,才讓這輪發布值得細看。
三個來源不同的指標同步上揚,標誌著模型自我改進與研究能力正從理論假設走入機器可量測的實證階段。
Preparedness 評等與 RSI-Index 指向同一件事,量測角度不同。OpenAI 的 Preparedness 評估來自 Astra 的系統卡,High 是此前對外發布版本從未拿到的評等。RSI-Index 是 Vals 獨立設計的能力追蹤指標,不依賴廠商自評;27.07% 到 29.01%,換算成與 50% 人類基準的差距,從 22.93 個百分點縮至 20.99 個百分點,升幅不到 2 個百分點,但方向在動就是訊號。FrontierMath Erdős 採 Lean 語言驗證,Lean 是形式化證明語言,對錯由機器判定,不靠人工評分。68 道題通過 7 道,是前高 3 道的兩倍多,每一道都有形式化背書。
三條測量線同時向上,這意味著「模型輔助做研究、改進模型本身」這件事,從假設進入可量測的狀態。工程師和研究型新創規劃模型輔助研究管道時,RSI-Index 和 Lean 驗證提供了少數不靠廠商主張的外部刻度,現在值得當成能力基準來追蹤。29.01% 距 50% 仍差 20.99 個百分點,FrontierMath Erdős 也只過了 68 題裡的約 10%,距離「模型自主做研究」還很遠。但方向性確立後,能量測才有辦法討論整合,這才是這輪旗艦真正新的地方,而非定價。


