硅谷百亿美金押注「AI造AI」，清华系创业团队反手把模型开源了！- 大数跨境

新智元

2026-08-01

2026 年，AI 行业最昂贵的叙事已超越“训练更大模型”，资本正直接押注于“让 AI 参与制造下一代 AI"。

从 David Silver 创办的 Ineffable Intelligence 获 11 亿美元融资，到 Richard Socher 等人领衔的 Recursive Superintelligence 携 6.5 亿美元亮相，再到 AlphaChip 联合创造者成立的 Ricursive Intelligence 估值达 40 亿美元，全球顶尖团队正竞相构建能够自我发现弱点、自我设计并持续进化的 AI 系统。仅上述案例，融资金额已超 25 亿美元，相关估值合计破百亿美元。

资本正在为同一个核心函数定价：AI 能力 → 自动实验 → 可验证结果 → 更强 AI。估值锚点已从单纯的模型能力，转向能力提升速度能否被系统自身持续加速。

RSI 不再只是科幻：前沿实验室的实战数据

递归自我改进（Recursive Self-Improvement, RSI）曾被视为关于“智能爆炸”的思想实验，如今已开始产出真实的生产数据。

Anthropic 披露，截至 2026 年 5 月，Claude 贡献了其代码库超 80% 的合入代码，小模型训练代码优化效率一年内从 3 倍提升至 52 倍。OpenAI 在 GPT-5.6 中引入 RSI 指标，其在衡量 AI 研发能力的 RSI Index 上较前代提升 16.2 个百分点。

趋势已然清晰：AI 正从辅助写代码的工具，进化为能执行实验、处理反馈并加速下一轮研发的主体。一旦 AI 能有效提升研发效率，技术进步将不再是线性增长，而是形成复利效应。

概念辨析：AI4AI、Meta-Evolution 与 RSI

图 1：AI4AI 定义优化对象，Meta-Evolution 描述经验反哺机制，RSI 要求更强的跨代递归闭环

随着热度攀升，厘清概念边界至关重要：

AI4AI (AI for AI)：描述工作对象，即让 AI 参与创造和优化 AI（如写代码、改结构、设计芯片）。
Evolution：描述单次运行内的优化过程，通过反馈反复修改候选方案。
Meta-Evolution：改变学习对象，不仅保留最终产物，更利用进化轨迹训练“改进者”本身，使其变强。
RSI：要求更强的跨代闭环，升级后的 AI 能继续改进制造下一代 AI 的过程，实现能力的跨代持续增强。

简言之，AI4AI 回答“谁来做”，Meta-Evolution 回答“如何让改进者变强”，而 RSI 追问“变强的改进者能否制造更强的下一代”。从自动化实验到真正的 RSI，缺失的是一套可执行、可验证且能将经验送回模型的工程闭环。

这正是衔远科技 Frontis-MA 元智能体系列模型试图补全的关键环节。团队正式发布技术报告《Frontis-MA1: Training an AI4AI Model towards Recursive Self-Improvement in Machine Learning Engineering》，开源了面向机器学习工程的元智能体 Frontis-MA1-35B 模型权重，以及全栈开源套件 OpenMLE。

核心成果如下：

在 OpenAI MLE-Bench Lite 上，Frontis-MA1-35B 将基座模型平均奖牌率从 39.39% 提升至60.61%，绝对提升 21.22 个百分点。
结合 OpenMLE-Evo-Max 增强框架后，系统平均奖牌率达71.21%，人类排名 0.8126，22 个任务全部有效提交。
相比原始 AIRA-Evo，OpenMLE-Evo 使总 Token 消耗下降41.7%，每百万 Token 发现“新最优”的效率提高84.3%。
在 NatureBench Lite 的 10 项科学任务中，3 项超越论文 SOTA，7 项达到 SOTA。

图 2｜Frontis-MA1-35B + OpenMLE-Evo-Max 达到 71.21%。橙色实心部分为标准 OpenMLE-Evo 下的 60.61%，斜线部分为 Evo-Max 带来的增益。

Frontis-MA1 押注的范式变化在于：未来的 AI 系统交付的将是一条持续上升的能力曲线，其斜率取决于系统能否将每次行动的结果转化为下一次改进的资本。

定位重塑：不是再造程序员，而是训练 AI 研发者

Coding Agent 解决的是需求确定、测试通过的相对封闭问题；而机器学习工程 Agent 面对的是无标准答案的实验场。它需在有限算力和时间内，自主检查数据泄漏、选择验证策略、调整特征与损失函数，将方案从 0.71 分持续推高至超越人类专家水平。

此类 Agent 具备四大特征：必须动手（提交代码与结果）、必须等待（接受长时反馈）、必须竞争（寻找更优解）、必须继承（记忆有效改动与失败教训）。

Frontis-MA1 体现了“通专融合”理念：以 Qwen3.6-35B-A3B 的通用能力为起点，通过专业任务环境、可验证反馈及进化搜索，将其转化为专门的机器学习工程能力。

核心机制：从自我反思到自我进化

没有可执行反馈的反思只是“自我叙事”。OpenMLE 首先构建了一个无法糊弄的世界：

环境层：OpenMLE-Gym

将异构机器学习任务封装为统一可执行包。包含 5,758 个可执行任务（含 2,240 个 Kaggle 竞赛任务），确保模型每次判断都转化为行动，每个行动都留下可量化的结果信号。

图 3｜经筛选留下的 2,240 个 Kaggle 竞赛任务及统一任务目录

技术栈：任务、训练与搜索的闭环

OpenMLE 基于四类原子操作构建完整技术栈：

Draft：生成初始方案；
Improve：沿强方案提升；
Debug：修复执行失败；
Crossover：组合互补设计。

系统构建了 26,259 条监督训练样本，不仅保留高分答案，更记录修改路径与反馈。其核心设计在于训练的最小单元与进化搜索的最小单元完全对齐，确保训练时学到的动作能在推理时被精准调用。

架构升级：从 Loop 到 Graph Engineering

传统 Loop Engineering 导致历史上下文失控。OpenMLE-Evo 将线性历史重构为进化图（Graph）：每个候选程序及其结果构成节点，记录操作类型、父节点及评分。成功路线继续生长，失败路线留下警告，不同路线可进行定向重组（Crossover）。

历史被压缩为结构化"Experience Card"，仅在决策点提取相关祖先经验。在 nomad2018 材料预测任务中，这种机制通过重组互补分支，将 RMSE 进一步降低 11.3%。

关键跃迁：进化程序，更要进化“进化者”

OpenMLE 将经过验证的轨迹转化为监督与强化学习信号，用于增强模型执行四类操作的能力。这构成了Meta-Evolutionary Step：从改进程序（Solution）转向改进改进者（Improver）。

其工作流可概括为：Ground（建立环境）→ Evolve（搜索程序）→ Compile（编译经验）→ Consolidate（固化能力）→ Deploy（部署搜索）。虽然尚未形成全自动的跨代闭环，但已验证了“经验训练改进者、改进者进入搜索”的单轮有效性。

效能验证：模型增益与搜索增益的叠加

评测显示，在相同推理框架下，经 execution-grounded 后训练的 Frontis-MA1-35B 带来 21.22 个百分点的绝对提升。配合 OpenMLE-Evo-Max 的跨任务先验与异步搜索，系统上限进一步提升至 71.21%，进入前沿通用模型系统的竞争区间。

更重要的是效率的提升。对比实验显示，新版系统在总 Token 下降 41.7%、Prompt Token 下降 50.3% 的情况下，每百万 Token 的新最优发现率提高了 84.3%。这表明节省并非来自“少探索”，而是来自每次探索更便宜、更聚焦。

图：OpenMLE-Evo 用更少 Token 发现更多新最优

泛化能力：跨越 Kaggle 的科学探索

在 NatureBench 的 10 项科学任务评测中，Frontis-MA1-35B 实现了 3 项超越 SOTA、7 项匹配 SOTA 的成绩。固定模型更换框架或固定框架更换模型的对照实验均显示正向迁移。这证明在机器学习工程轨迹中训练出的改进能力与搜索机制，已具备跨出竞赛分布、向通用科学发现迁移的潜力。