Tibo谈Codex下一次大更新：两三个月后看今天的版本会显得很原始

Codex 用户对 Tibo 这个名字不会陌生。每当 Codex 出现状况，或者 OpenAI 决定为用户补充使用额度，他通常会在 X 上发一句：重置了。今天早上，Tibo 再次在 X 上宣布，为所有付费的 ChatGPT Work 和 Codex 用户重置使用额度。他表示，这次修复能让不同使用方式的用户额度多撑 10% 到 50%。

在最近的一次访谈中，Matthew Berman 直接问 Tibo：你到底是怎样重置额度的？答案颇具画面感——Tibo 真的有一个实体按钮。只要他觉得体验出了问题、需要补偿用户，自己按下按钮即可。

两三个月后，今天的 Codex 会显得原始

这场访谈更值得关注的部分，并不只是那个按钮。Tibo 说，再过两三个月，今天的 Codex 会显得很原始。他并没有公布任何秘密模型，提到的反而是当前 Codex 用户已经会碰到的小麻烦：Skill 文件需要自己维护，Memory 时不时忘记东西；Agent 一多，人就得在几个任务之间来回切换，看哪个跑完了、哪个卡住了，再把结果收回来。

未来 Agent 将向云端转移，解决本地计算瓶颈，实现多任务并发处理。

递归自我改进：从理论到公开实验

访谈还聊到了一个最近越来越常出现的词：Recursive Self-Improvement，递归自我改进，简称 RSI。对 AI 来说，RSI 就是这一代模型帮人研究下一代模型，下一代模型变强以后，再回来参与下一轮研究。

这个理论早在计算机普及之前就出现了。1965 年，I. J. Good 就设想过：如果机器已经比人更会设计机器，那它做出的改进，可能又会继续提高自己的设计能力。一直以来，难搞的都是同一件事：机器怎么知道自己这次改对了？2003 年，Jürgen Schmidhuber 提出的 Gödel Machine 给过一个答案——先证明系统能够证明一次修改会提高预期效用，它才允许自己去改。

软件开发和机器学习里，大部分有用的改动都拿不出数学证明。先改，再测。代码尤其适合这么干。测试过没过，可以直接跑；速度快了多少，有数字；显存降没降，也能量出来一个指标。今年 Karpathy 开源的 autoresearch 比较直观：给 Agent 一块 GPU，一个能改的 train.py，每轮 5 分钟，再告诉它看哪个指标。之后它自己改代码、训练、看结果。人还在定目标，但中间那些原本要研究员守着跑的实验，已经能自己转起来了。

Tibo 在访谈里把 RSI 的范围说得更宽。模型不一定非要改自己的权重，它也可以去改 CUDA 内核、推理栈、Agent 框架。这些东西最后又让模型跑得更快、更便宜，也算把能力重新指回自身。

公开案例里的自我改进

近两年的公开案例里，自我改进已经出现了好几种样子。R-Zero 已经开始让模型自己给自己出题：一个 Challenger 出题，一个 Solver 解题，新生成的数据继续拿去训练下一轮。在 Qwen3-4B 上，数学和通用推理平均分别涨了 6.49 和 7.54 个点。不过考什么、怎么考，还得人来造考题。

OpenAI 这边，GPT-5.6 Sol 已经通过 Codex 去分析生产流量、试路由策略，甚至改过生产环境里的 GPU 内核。这些工作和其他优化一起，让端到端服务成本下降了 20%。Sol 还给自己的 draft model 跑了数百次实验，token 生成效率又涨了 15% 以上。他们拉了 9 个 Agent 做研究，累计跑了约 800 小时。Agent 自己想方案、跑实验、交换结果，5 天把性能差距恢复率做到 0.97。

循环跑起来之后的问题

循环一旦能自己跑，马上就会引出另一些问题。Anthropic 的自动研究实验里，就出现过一些挺尴尬的情况：有的 Agent 会挑对自己有利的随机种子，有的会从评分接口里猜测试标签，还有的直接去看本来不该看的答案代码。可新评测器是不是比旧评测器靠谱，最后还是得再找办法判断。

Agent 可以很快试掉 100 个已经摆在桌上的方案。第 101 个方向为什么值得做，就没那么容易从 benchmark 里读出来。Anthropic 把这种判断叫 research taste，研究品味。

Agent 的运行时间拉长以后，也没那么乐观。有研究者比较过 Agent 和 61 名人类机器学习专家的能力；只给 2 小时，最好的 Agent 得分大约是人类的 4 倍。到 8 小时，人类已经略微领先。32 小时以后，人类得分大约是 Agent 的两倍。Agent 很适合短时间内疯狂试方案，跑久以后，也会在一个不太对的方向上反复折腾。

Nature 2024 年的模型坍塌研究发现，如果后来的模型不断用前代生成的数据训练，一些低概率但重要的信息可能慢慢丢掉。模型自蒸馏的过程中，甚至可能会无意间退化一些其他的能力。

Tibo 没有公布两三个月后的 Codex 长什么样。今天 Agent 还需要人不停发任务、看进度、收结果。下一步，它可能会更长期地记住项目，更多任务跑到云端，很多现在摆在用户面前的 Agent 调度也会慢慢藏起来。另一边，模型已经开始参与优化运行模型自己的软件和基础设施。所以他那句两三个月后会显得很原始，可能改变的是我们用 Agent 的方式。