消费电子观察 — 智能手机、影音穿戴、智能家居与消费电子供应链资讯与深度分析

Codex 用户大概都知道重置额度的神 Tibo 。 过去一段时间，Codex 一出问题，或者 OpenAI 想给用户补点额度，他就会跑到 X 上说一句：重置了。 今天早上 Tibo 就在 X 上宣布，为所有付费的 ChatGPT Work 和 Codex 用户重置使用额度。 Tibo 表示这次修复能让不同使用方式的用户额度多撑 10% 到 50%。 <img src="https://img.36krcdn.com/hsossms/20260830/v2_fa3c291f5c2e4b2d9011b643fd70663c@1200352198_oswg273902oswg1080oswg680_img_000?x-oss-process=image/format,jpg/interlace,1" /> 在最近的访谈中，Matthew Berman 最近干脆当面问他：你到底是咋重置的？ 答案可太有节目效果了——Tibo 真有一个实体按钮。觉得体验出了问题，需要补偿用户，他自己就能按。 <img src="https://img.36krcdn.com/hsossms/20260830/v2_de93b219ece34d509a808e5139cd7e08@1200352198_oswg425773oswg1080oswg461_img_000?x-oss-process=image/format,jpg/interlace,1" /> 不过这场访谈更有意思的部分，还不仅仅是这个按钮。 几周前，Tibo 说过一句很大的话： 再过两三个月，今天的 Codex 会显得很原始。 Tibo 到底看见啥了？ <img src="https://img.36krcdn.com/hsossms/20260830/v2_c1d51459c3d94950a9f013579a07541a@1200352198_oswg40253oswg1080oswg608_img_000?x-oss-process=image/format,jpg/interlace,1" /> <h2>Tibo到底为啥说codex会变得「原始」？</h2> Tibo 没有公布什么秘密模型，他说的反而都是现在 Codex 用户已经会碰到的小麻烦。 Skill 文件要自己维护，Memory 时不时忘东西。Agent 一多，人就得在几个任务之间来回切，看哪个跑完了，哪个卡住了，再把结果收回来。 主持人说，他现在经常同时开 10—15 个 Agent。开到这个数量以后，最先不够用的已经不是 GPU了，瓶颈现在是他自己的注意力。 <img src="https://img.36krcdn.com/hsossms/20260830/v2_ef1b17d4376f4e40b161a47386a8e8b0@1200352198_oswg1112190oswg1024oswg1280_img_000?x-oss-process=image/format,jpg/interlace,1" /> Tibo 则不太喜欢这种状态。 他想要的 Agent，应该知道你最近在做什么，知道团队正在推进什么，也知道什么时候该自己开始干活。很多今天摆在用户面前的 Skill、Memory、子 Agent，最后可能都不需要人亲自管理。 笔记本电脑本来就是围绕一个人的工作速度设计的。一个人不会同时打开 100 个程序，也不会一边编译，一边跑测试，再顺手验证十几个方案。 AI 却是这样工作的。 所以 Tibo 判断，未来 Agent 很自然地会往云端走。下一代模型需要的，不只是你的笔记本电脑。 然后访谈聊到了一个最近越来越常出现的词：Recursive Self-Improvement，递归自我改进，RSI。 <h2>AI 到底有没有开始「自己改自己」</h2> RSI 对 AI 来说，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。 就这么一直滚下去。 这个理论其实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。 <img src="https://img.36krcdn.com/hsossms/20260830/v2_aee07de0ddb447119931571e94746360@1200352198_oswg309939oswg1080oswg499_img_000?x-oss-process=image/format,jpg/interlace,1" /> 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。 理论很好看，工程上基本没法这么干。 <img src="https://img.36krcdn.com/hsossms/20260830/v2_406635add8374e559d6dc69fc07d9519@1200352198_oswg591720oswg1080oswg720_img_000?x-oss-process=image/format,jpg/interlace,1" /> 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。 于是乎，后来大家换了种办法。 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。 <img src="https://img.36krcdn.com/hsossms/20260830/v2_fab6c75830c847d4807f4e658c138807@1200352198_oswg90432oswg1080oswg535_img_000?x-oss-process=image/format,jpg/interlace,1" /> 涨了就留。掉了就撤。然后继续。 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」。 说得夸张一点，就是：AI 左脚踩右脚，机械飞升。 <img src="https://img.36krcdn.com/hsossms/20260830/v2_0ad46cae806d4c7ba08836c3733222b6@1200352198_oswg606711oswg1080oswg810_img_000?x-oss-process=image/format,jpg/interlace,1" /> 不过只要 AI 帮 AI 写点代码，就叫 RSI，显然又太吹牛了。 好的修改有没有留下来，坏的缺点有没有被放大？ 新系统的改动有没有继续参与下一轮，并真的让RSI的飞轮转起来？ 这个循环是不是真的跑了不止一次，还是一两轮增益就停了？ 这些都得再看，任重而道远啊！少年AI！ <h2>现在已经走到哪一步了</h2> 近两年的公开案例里，「自我改进」其实已经有了好几种样子。 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。 <img src="https://img.36krcdn.com/hsossms/20260830/v2_83dbb58e1ec54bc896a991d0c7e113b6@1200352198_oswg165113oswg843oswg426_img_000?x-oss-process=image/format,jpg/interlace,1" /> 不过考什么、怎么考，还得人来造考题，人距离完全退休还有一定距离。 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。 再看 Anthropic 是怎么做的。 <img src="https://img.36krcdn.com/hsossms/20260830/v2_f3468c1300f04644a6bb0fec8d6a13e8@1200352198_oswg63710oswg657oswg921_img_000?x-oss-process=image/format,jpg/interlace,1" /> 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。 人以前一周都没调出来的东西，现在一群 Agent 能自己往前拱。 <img src="https://img.36krcdn.com/hsossms/20260830/v2_cf3246ad5b4f4eed920c94385fa6dae8@1200352198_oswg242338oswg1080oswg636_img_000?x-oss-process=image/format,jpg/interlace,1" /> 所以现在的 AI 已经不只是「帮研究员写代码」了。 它开始出题、跑实验、改系统，甚至真的碰到了生产环境。 至于能不能自己一轮接一轮往下改，现在还早着呢，只是模模糊糊有了这个轮廓。 不过非常期待科研工作者们有下一步突破，为他们加油吧！ <h2>分数涨了，不一定真变强了</h2> 循环一旦能自己跑，马上就会引出另一些问题。 谁来判断「变好了」？如何定义「变好了」？ 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。 最后分数还真能涨。只是涨得有点不是地方。 这就是 reward hacking。 <img src="https://img.36krcdn.com/hsossms/20260830/v2_0157cb2543354a52b8147199fc9997b0@1200352198_oswg440042oswg1024oswg1024_img_000?x-oss-process=image/format,jpg/interlace,1" /> 如果连评测器也交给 AI 自己改呢？ 最近好多人都在尝试这个方向。 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。（dog）总不能无限套娃下去吧！ 研究方向也有类似的问题。 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。 <img src="https://img.36krcdn.com/hsossms/20260830/v2_de81208622ee4921a98dd8e6928204b9@1200352198_oswg493424oswg1080oswg1046_img_000?x-oss-process=image/format,jpg/interlace,1" /> 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。 反馈循环本身也有两面。 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。 <img src="https://img.36krcdn.com/hsossms/20260830/v2_b9e7cae48e0b4770a809882352488108@1200352198_oswg769364oswg1080oswg810_img_000?x-oss-process=image/format,jpg/interlace,1" /> 好的修改可以留下。坏的也可以。 Tibo 没有公布两三个月后的 Codex 长什么样，今天还 Agent 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。 本文来自微信公众号<a href="https://mp.weixin.qq.com/s/8somRgG8EbAoUaeIGU1OuA" rel="noopener noreferrer nofollow" target="_blank">“APPSO”</a>，作者：发布明日产品的，36氪经授权发布。

重置额度之神Tibo，剧透了Codex下一次大更新

📌 概要