中国AI的RSI先行者：StartLux把70%实验执行交给AI
训练一个 27B 的大模型，有多少研发工作可以交给 AI？上海原点星辉科学技术有限公司（下简称 StartLux）给出的答案是：约 70%。在其本地 Agent 模型 StartLux-V1.0-27B-Preview 的后训练过程中，约 70% 的实验研发工作由 AI 独立完成——包含提出实验假设、生成或筛选数据、启动训练和 Eval、分析失败轨迹，再根据结果决定下一轮试什么。人类研究员主要负责最关键的那件事：决定研究方向和关键取舍。
用这套方法训练出来的模型，成绩单刚刚出炉。工信部中国信息通信研究院人工智能研究所（以下简称中国信通院）公布的检验报告显示，StartLux 研发的本地大模型 StartLux-V1.0-27B-Preview，在中国信通院“可信AI大模型基准测试——MCP 专项测试”中取得综合性能排名第二的成绩：综合得分 39.25，超过了 284B 的 DeepSeek-V4-Flash-0731 与 198B 的 Step-3.7-Flash；在同等参数规模下，较 Qwen-3.6-27B 高出 5.34 个百分点，成为参测 27B 模型中的最优者，仅次于 1.6T 参数的 DeepSeek-V4-Pro。在位置导航任务上，StartLux-V1.0-27B-Preview 排名第一；浏览器自动化、金融分析等单项任务上，更与 1.6T 参数的 DeepSeek-V4-Pro 并列或独占第一——这意味着其 Agent 能力范围已进入万亿参数模型所代表的能力区间。
模型训练的过程中，团队采用AI 训练 AI（Auto Research）的方法，自主开展训练实验，并通过反馈持续优化训练策略。StartLux 联合创始人兼CTO 郭权玮表示：“Auto Research的定义很简单：AI看完上一轮实验结果以后，能不能自己判断下一步值得试什么。如果只是批量生成Synthetic Data，或者自动搜一组超参数，我会把它叫自动化，而不是Research。真正的 Auto Research 应该能形成“假设—实验—验证—新假设”的闭环。”
例如金融分析，早期模型拿到一个看似合理的数据就容易直接算，但环境反馈会暴露日期、交易日或原始数据不一致的问题。Auto Research 会从这类失败轨迹里归纳问题，再补充“回查原始数据—确认目标条件—再计算”的任务和轨迹。它不是 AI 凭空发明一个新算法，而是 AI 自己从失败里决定下一轮该补什么。AI 当然也会跑偏，所以只要出现某一类 Eval 涨了但泛化变差，或者明显在钻评分机制的漏洞，StartLux就会人为干预。
这套 Auto Research 方法，也指向当前全球 AI 研发正在探索的一个更前沿方向——RSI。RSI，即 Recursive Self-Improvement，通常译为“递归式自我改进”，核心是让 AI 更深地参与自身研发与改进，并最终让更强的 AI 参与创造下一代更强的 AI。Auto Research 本身并不等同于 RSI，但它可以被看作通往 RSI 的一条工程路径：先让 AI 参与提出假设、执行实验、分析结果和决定下一轮尝试，再逐步把这种能力延伸到更受控的参数更新、训练策略甚至模型结构改进。
如果说 Transformer、Diffusion 更多是在模型架构和生成范式层面推动 AI 能力演进，那么 RSI 关注的则是另一个层面的问题：一个已经存在的 AI 系统，能否进一步参与设计、实验、评估和优化下一轮 AI 系统，并让这个改进过程本身持续增强？
RSI之所以正在成为全球 AI 研发的前沿探索方向之一，是因为传统研发路径正面临多重瓶颈。过去，大模型迭代高度依赖研究员设计假设、准备数据、调度训练和分析 Eval；但随着预训练规模继续扩大，数据、算力和成本约束都在增强，更稀缺的资源则是高水平研究人员的时间——GPU 可以持续扩容，研究员的时间很难同比例扩张。与此同时，当模型在部分任务上逐渐接近甚至达到专家水平后，如何持续构造更难、同时又可验证的新训练任务，也成为新的问题。前沿能力迭代越快，红队、对齐和安全研究也必须同步扩张，这进一步提高了整个 AI 研发体系的复杂度。
这并不是一场孤立的探索。过去一年，OpenAI、Anthropic等头部实验室都开始把AI从代码助手进一步带入模型研发本身：从编写训练代码、生成数据，到运行实验、分析Eval，再到探索由AI提出研究假设、决定下一轮实验。OpenAI近期披露，其内部已经开始形成类似“自动化研究实习生”的AI工作体系：截至2026年8月，其研究组织中，每1个人类研究日对应约3.1个AI Agent工作日，AI Agent已经能够承担代码编写、实验运行、结果分析等越来越长的研究任务。Anthropic也披露，Claude已经能够编写其公司超过80%的生产代码，并进一步探索让AI参与下一代AI系统的研发。
资本已经先一步涌入。今年5月，由Richard Socher等多位顶尖AI研究者创办的Recursive Superintelligence完成6.5亿美元融资，投后估值约46.5亿美元。该公司称，其自动化AI研究系统已刷新小模型训练、训练速度、GPU内核优化三项基准的公开最佳成绩。6月，前Anthropic Discovery团队负责人创办的Mirendil，以RSI为核心方向，拿下2亿美元种子轮。人才也在向同一方向流动：在谷歌工作27年的Jeff Dean近期离职创业，新公司Discovery Loop同样聚焦把完整实验循环交给AI。更早之前，Karpathy开源autoresearch，让AI Agent在真实小模型训练环境中自己改代码、跑训练、看结果。
不过，从目前公开披露的进展来看，行业尚未出现公认意义上的完整RSI。包括OpenAI和Anthropic在内，行业仍处在“弱RSI”阶段：研究目标、评价标准、关键取舍仍握在人类手里。OpenAI也承认，4到8小时的复杂任务中，一半以上的成功案例仍需要人工救场。如何防止模型钻评分规则漏洞？如何避免补强一种能力时挤压其他能力？当AI深度参与研发，如何防止同一个系统“自己命题、自己答题、自己阅卷”？这些问题，先行者都在摸索。对此，StartLux的做法是给流程装上刹车。一旦某类评测在涨、泛化却在变差，或者模型明显在钻评分机制空子，研究员立刻介入。
在StartLux看来，公司长期积累的核心资产不局限于某一版模型权重，而是围绕真实任务形成的数据、AutoResearch、训练Pipeline、Eval和失败分析体系。相比静态模型版本，这套能持续发现问题、验证改进并迭代模型的系统，具备更高起点和生命力。郭权玮表示：“从研发上看，RSI一直是我们推进的主线之一。现在AI已经能参与任务生成、训练、Eval、失败分析和下一轮实验决策，我们下一步是在可验证、可回退的前提下，把这个闭环继续推进到更受控的参数更新和自我改进。”
按照规划，StartLux将通过新模型架构、训练算法和受控的本地参数更新机制，让模型逐步具备在本地持续自我更新的能力。目前的StartLux-V1.0-27B-Preview可在消费级个人电脑上运行，团队正推进模型的备案。第一代本地智能解决方案也预计将于年内推出。
