9 月 22 日开幕的 2026 云栖大会释放了一个值得工程团队关注的信号：递归自我改进（Recursive Self-Improvement，RSI）正在从论文里的概念，进入模型训练、推理和芯片协同的实际流程。按照大会披露的信息，采用新一代架构的 Qwen4 已进入训练，后续 Qwen4.5、Qwen5 的参数规模计划扩展至 5 万亿到 10 万亿；相关系统还完成了连续 33 轮自我迭代。
这些数字很醒目，但 RSI 真正重要的地方不是“模型突然学会修改自己”，而是研发流程发生了变化：模型开始参与生成候选方案、执行实验、分析结果和提出下一轮改进，工程师则负责设定目标、验证指标与安全边界。
33 轮自我迭代究竟意味着什么
传统模型研发通常是一条由人推动的长链路：研究员提出假设，工程团队调整数据或训练配置，集群执行任务，评测平台产出结果，然后再由人分析失败原因。每一轮都可能跨越多个系统，反馈速度很容易成为瓶颈。
RSI 可以把这条链路组织成一个闭环：
- 根据上一轮结果生成新的模型、数据或推理策略候选项。
- 在固定基准和受控环境中运行实验。
- 对质量、延迟、吞吐、成本和安全性进行联合评估。
- 只接纳满足门槛的候选项，并保存完整实验记录。
- 将结果反馈给下一轮规划器，继续迭代。
因此，“跑了 33 轮”不应简单理解为基础模型在无人监管的情况下重写了 33 次权重。更合理的工程理解，是自动化系统连续完成了 33 个“提出方案—实验—评估—选择”的循环。具体每轮修改了模型结构、训练数据、超参数还是推理内核，来源摘要没有给出细节，不能据此做进一步断言。
这里还有一个容易混淆的区别：普通 AutoML 通常在预先定义的搜索空间里寻找较优参数，而更完整的 RSI 会尝试改进“如何提出候选方案”和“如何评估候选方案”本身。不过，无论自动化程度多高，都必须保留不可被候选系统随意修改的外部评测与治理边界，否则优化过程很可能只是在利用评分漏洞。
从模型扩展走向训练、推理与芯片协同
Qwen4 已经进入训练，Qwen4.5、Qwen5 又把参数规模目标推向 5 万亿至 10 万亿，这意味着问题不能只用“增加 GPU 数量”来解决。参数量越大，训练通信、显存容量、检查点存储、故障恢复和推理带宽的压力越明显。
一个可持续的模型迭代系统，通常需要同时处理三层问题：
- 训练层：数据配比、并行策略、优化器状态、容错和集群利用率。
- 推理层：量化、批处理、缓存、路由策略以及不同延迟目标下的成本。
- 芯片与系统层：算子实现、内存访问、互联通信和任务调度。
这也解释了为什么 RSI 会与芯片协同同时出现。一个候选模型即使离线得分更高，如果推理显存翻倍、关键算子无法高效执行，或者训练过程频繁触发通信瓶颈，它也未必是可部署的改进。
同样，5 万亿到 10 万亿参数是规模规划，不等于对应模型必然全部以稠密方式参与每次计算，也不能直接等同于质量提升。架构细节尚未披露时，更稳妥的关注点是有效计算量、训练稳定性、推理成本以及真实任务表现。
用一个可运行脚本理解 RSI 闭环
下面的示例不是千问内部实现，也不会训练真实大模型。它用一个合成评分函数模拟 RSI 控制器，完整展示“生成候选配置—评测—门禁—记录结果”的 33 轮循环。保存为 rsi_loop.py 后可直接运行，仅依赖 Python 标准库。
import json
import math
import random
from dataclasses import asdict, dataclass
from pathlib import Path
ROUNDS = 33
SEED = 2026
LOG_FILE = Path("rsi_history.jsonl")
@dataclass(frozen=True)
class Candidate:
learning_rate: float
data_quality: float
inference_cost: float
def evaluate(candidate: Candidate) -> dict:
"""合成评测器：真实项目应替换为独立基准测试和成本测量。"""
lr_quality = math.exp(-((math.log10(candidate.learning_rate) + 3.2) ** 2) / 0.3)
quality = 0.55 * lr_quality + 0.45 * candidate.data_quality
utility = quality - 0.18 * candidate.inference_cost
return {
"quality": round(quality, 6),
"cost": round(candidate.inference_cost, 6),
"utility": round(utility, 6),
}
def propose(parent: Candidate, rng: random.Random) -> Candidate:
"""候选生成器：可替换为 LLM、贝叶斯优化器或架构搜索器。"""
return Candidate(
learning_rate=min(1e-2, max(1e-5, parent.learning_rate * 10 ** rng.uniform(-0.25, 0.25))),
data_quality=min(1.0, max(0.0, parent.data_quality + rng.uniform(-0.04, 0.06))),
inference_cost=min(1.5, max(0.2, parent.inference_cost + rng.uniform(-0.08, 0.08))),
)
def passes_gate(metrics: dict) -> bool:
"""硬门禁不交给候选生成器修改。"""
return metrics["quality"] >= 0.65 and metrics["cost"] <= 1.10
def main() -> None:
rng = random.Random(SEED)
incumbent = Candidate(learning_rate=1e-3, data_quality=0.72, inference_cost=0.90)
incumbent_metrics = evaluate(incumbent)
LOG_FILE.write_text("", encoding="utf-8")
for round_id in range(1, ROUNDS + 1):
candidate = propose(incumbent, rng)
metrics = evaluate(candidate)
accepted = passes_gate(metrics) and metrics["utility"] > incumbent_metrics["utility"]
record = {
"round": round_id,
"candidate": asdict(candidate),
"metrics": metrics,
"accepted": accepted,
}
with LOG_FILE.open("a", encoding="utf-8") as f:
f.write(json.dumps(record, ensure_ascii=False) + "\n")
if accepted:
incumbent = candidate
incumbent_metrics = metrics
print(
f"round={round_id:02d} accepted={str(accepted):5s} "
f"utility={metrics['utility']:.4f} best={incumbent_metrics['utility']:.4f}"
)
print("\n最终配置：", json.dumps(asdict(incumbent), ensure_ascii=False, indent=2))
print("最终指标：", json.dumps(incumbent_metrics, ensure_ascii=False, indent=2))
print(f"实验日志：{LOG_FILE.resolve()}")
if __name__ == "__main__":
main()
运行命令：
python rsi_loop.py
把它改造成真实系统时，至少要替换三个部分：
propose()：调用模型或搜索算法，生成数据配方、训练参数、提示词、路由规则等候选方案。evaluate()：提交隔离任务，并从评测平台读取质量、鲁棒性、延迟、吞吐和资源消耗。passes_gate()：加入不可由模型自行放宽的安全、合规和预算门槛。
实验日志也不应只保存在本地 JSONL 文件中。生产环境需要记录候选配置、代码提交、数据版本、模型版本、随机种子、硬件拓扑和评测集版本，以便重放和审计每一次接纳决策。
自动改进最危险的不是失败，而是“错误地成功”
RSI 系统可能明显提高实验吞吐量，但它会同步放大评测设计的缺陷。常见风险包括：
- 指标投机：候选方案提高了排行榜得分，却损害真实用户任务。
- 评测污染：训练数据或规划器接触到保留测试集，结果失去可信度。
- 能力回退：总体均值提高，但某些语言、行业或安全能力下降。
- 成本失控：质量只提升一点，训练或推理成本却显著增长。
- 不可复现：数据、代码与硬件环境未锁定，无法解释某轮为何成功。
- 权限扩张：自动化控制器可以修改评测标准、预算上限或部署策略。
工程上应把候选生成器和裁判系统分开。规划模型可以提出大胆方案，但不能同时决定自己的分数，更不能修改安全门禁。对于高风险改动，还应采用影子流量、分阶段发布和人工审批，而不是让一次自动评测直接触发全量部署。
团队现在可以怎样开始
多数团队不需要从训练万亿参数模型起步。更实际的做法，是先在可回滚、可量化的环节建立小型闭环，例如自动优化提示词、检索参数、模型路由、批处理大小或量化配置。
上线前可以核对以下清单：
- 是否同时定义了质量、成本、延迟与安全指标？
- 是否存在候选系统无法修改的独立保留测试集？
- 每轮实验能否由代码、数据和环境版本完整复现？
- 是否设置总预算、单轮预算、最大轮数和紧急停止开关？
- 自动接纳是否只发生在低风险范围，高风险变更是否需要人工审批？
- 新配置能否快速回滚到上一稳定版本？
Qwen4 进入训练和 33 轮 RSI 实验所展示的，并不只是下一代模型的参数规模。更值得关注的是，大模型研发正从“人逐项调整模型”走向“人设计目标、约束与裁判，自动化系统持续提出并验证改进”。谁能把评测、基础设施和治理边界做扎实，谁才更可能把递归自我改进从演示变成稳定的工程能力。