新智元报说念

【新智元导读】没东说念主重训模子，没东说念主重写代码，OpenAI的AI系统六周内我方把准确率从25%拉到86%。Codex我方定位bug、写诞生、跑测试，AI自我进化已在坐褥环境跑起来了。

最近，OpenAI偷偷干了一件细念念极恐的事。

一个AI系统，没东说念主从头锤真金不怕火模子，没东说念主重写代码，六周内我方把准确率从25%拉到了86%。

在官方博客中，OpenAI把「怎么让AI我方变强」的完好设施论，证据着实全写出来了。

团结本年2月GPT-5.3-Codex「参与构建自身」、4月Symphony开源、5月MOSS源码级自我改写，一条被OpenAI藏了半年的暗线，终于浮出水面。

AI自我进化，还是在坐褥环境里跑起来了。

180→15小时，6周准确率翻三倍

这个AI报税系统叫Tax AI，OpenAI和Thrive Holdings聚合作念的，就业于Crete管帐师定约旗下30多家事务所。

先看一个东说念主的故事。

客岁，Crete的一位资深管帐师花了整整180小时准备客户税表。

本年，雷同的职责量，15个小时处置。

省下来的时刻她作念了件以前根本不可能的事，一一给每位客户打电话，躬行老师报税细节。剩下的元气心灵，全拿来开导新客户。

总计赛季，Tax AI处理了7000份税表，准确率最高97%，产能提高约50%。

但简直炸裂的不是这些数字，是增长弧线。

六周前只可处理最浅薄的W-2和1099表格，连K-1都搞不定。六周后，字段完成准确率从25%飙到86%。

系统越用越强，而况在加快。

Bug我方修，测试论述我方写

怎么作念到的？

Thrive Holdings的雇主Joshua Kushner，同期亦然OpenAI最大投资方之一。

客岁12月，OpenAI入股了Thrive Holdings，成功把工程团队派驻到管帐师的办公桌傍边。

看着真实的税表、真实的客户数据、真实的报错，总计打磨了六个月。

传统AI居品创新是这么的，上线，出bug，用户投诉，工程师排查，改代码，从头部署。

总计轮回慢得要命，每一步都卡在东说念主身上。

Tax AI用了三招，就把这个轮回的大部分武艺自动化了。

第一招，让从业者的每次纠错酿成结构化数据。

管帐师审核Tax AI的输出时，每改一个字段，系统完好记载三件事，AI展望了什么、管帐师改成了什么、最终报税用了什么。

重要在于，系统把每次修改都看成创新的起初，而不是异常。

第二招，坐褥环境里的每一步都留痕。

从源文献上传，到字段索要，到援用溯源，到税务引擎映射，到管帐师检阅，到最终报税。

整条链路的每个节点都有trace。

出错的时候，不错精笃定位到底是OCR读错了手写条记，照旧字段映射逻辑有gap，照旧根本不相沿这种表格类型。

第三招，用Codex把发现酿成诞生。

当系统发现某类诞妄反复出现，比如Tax AI老是漏掉租出房产的「平允出租天数」字段，而管帐师每次都手动补上。

这个pattern就会被打包成一个有明确奏效尺度的工程任务，扔给Codex。

Codex拿到的不是一个依稀的bug论述。

它拿到的是完好的坐褥trace、出错的源文献样本、盼望输出、联系代码旅途，外加一套特意针对这个问题的eval测试集。

然后Codex我方检查索要逻辑、映射规定、评分器，提倡诞生决议，跑targeted eval考据，再跑总结测试证据没引入新问题，终末生成一个PR等东说念主类工程师review。

要是根据依稀，任务会路由回居品团队，而不是硬塞进经由。

你没看错。bug修罢了，还自带测试论述。

恶果立竿见影。租出房产联系字段处理，从简直不可用到90%精准率和调回率，六周。

而这六周积聚下来的详细能力和eval规范，又让后续相沿Schedule C和Schedule A变得更快。

系统越用，能处理的问题越复杂。越复杂的问题被解决，每份税表省下的东说念主工时刻越多。

这是一条加快弧线。

AI插足自我创新时间

2月，OpenAI发布GPT-5.3-Codex的时候写说念：「GPT-5.3-Codex是咱们第一个在创造自身过程中发达了重要作用的模子。」

Codex团队用这个模子的早期版原本调试我方的锤真金不怕火经由、料理部署、会诊测试抵制。

模子参与了我方的构建。

4月，OpenAI开源了Symphony，一个把Codex和Linear样式料理用具连起来的编排层。

缘故很试验。OpenAI的工程师发现，一个东说念主同期管3到5个Codex会话就还是是极限了，再多就堕入险阻文切换的泥潭。

东说念主的留心力，成了Agent产能的天花板。

而Symphony的念念路很暴力，别管Agent了，监职责自己。

它监控issue tracker，给每个ticket分拨一个安靖的Agent职责空间，Agent我方干活、跑CI、生成PR。工程师只持重review产出物。

当Agent失败了，工程师不去改prompt让它「再试一次」，而是去想「它缺了什么能力、什么险阻文、什么结构」。然后修harness，不是修prompt。

OpenAI里面用Symphony之后，部分团队的工程产出成功翻倍。

雷同是4月，学术界也跟上了。ICLR 2026在里约特意办了一个「AI递归自我创新」的workshop。

紧接着5月，一篇叫MOSS的规划把这件事推到了更极点的位置。它让Agent不单改prompt或workflow设置，而是成功改写我方的源代码。

在OpenClaw平台上，MOSS在一个无东说念骨打扰的进化周期内，把四个任务的平均评分从0.25拉到了0.61。

论文地址：https://arxiv.org/abs/2605.22794

Tax AI不是孤例。「Agent自我创新」还是成了2026年上半年最密集的本领干线。

模子层面，GPT-5.3-Codex参与自身构建。

工程层面，Symphony加上Tax AI的坐褥闭环。

学术层面，MOSS终了源码级自我改写。

不动模子权重，照样越来越强

这里有个重要分散。

往时环球谈AI进化，说的是fine-tuning，是RLHF，是改模子权重。那条路需要海量数据、多半GPU、专科团队，门槛极高。

当今OpenAI展示的这条路皆备不同。

模子权重原封不动。

改的是模子周围的一切。索要逻辑、映射规定、eval尺度、职责流设置，致使Agent我方的代码。

打个譬如，模子是引擎，harness是车身。即便无须换引擎也能让车跑得更快，改底盘调吊挂就行。

如斯一来，自我创新的门槛就被大幅拉低了。

你不需要我方锤真金不怕火模子，只需要三件事，打算好eval体系、留好坐褥trace、让一个豪阔强的coding agent去跑「发现→定位→诞生→考据」的闭环。

模子智能是起初

系统智能才是结尾

回到Tax AI。

要是你只看「AI帮东说念主报税」这个上层叙事，竞争壁垒看起来很薄，换个大模子接上去似乎也聪颖。

但要是你看到的是底层那套自我创新的闭环，论断皆备不同。

Tax AI的全部学问产权归Thrive Holdings通盘。OpenAI派了半年工程师，终末连IP都没留。

这在硅谷大厂的AI相助里极其目生。

Thrive Capital是OpenAI最大投资方之一，客岁12月OpenAI反手入股Thrive Holdings，不给现款，给工程师、给模子、给深度集成，终末居品归你。

OpenAI图什么？

谜底就藏在Tax AI的增长弧线里。

每处理一份税表，每收到一次管帐师的检阅，系统就多了一份创新我方的根据。这个飞轮一朝转起来，OpenAI就拿到了一个完好的、经过坐褥考据的Agent自我进化范式。

一个报税居品的IP不值钱。一套可复制的自我创新设施论，才是简直的政策财富。

当今范式跑通了。Thrive Holdings还是在把雷同的闭环复制到记账、审计、IT运维。

而另一边，Anthropic也没闲着。

Conway，阿谁7x24小时永不下线的Agent平台，下面搭的是Memory Files握久追想加上Dreams异步整合。

说白了，亦然在给Agent装上一个能自我革新、自我进化的「始终大脑」。

两条阶梯，同归殊涂。

OpenAI用Codex启动的eval闭环，让Agent在坐褥中我方修bug。Anthropic用文献追想加梦乡机制，让Agent在会话间我方整理教会。

设施不同，赌的是团结件事，Agent能不可从「一次性用具」酿成「越用越强的系统」。

在通往ASI的路上，模子智能仅仅起初。

简直的结尾，是系统智能，一个能从环境中握续学习、握续进化、握续变强的举座。