AI领域头部实验室的模型迭代节奏正在显著加快。以往大模型的更新周期普遍在半年以上，而目前已缩短至两三个月一次。从GPT 5.6 Sol到Astra的快速接续发布，以及此前DeepSeek V4 Flash和GLM 5.3的迭代节奏，均印证了这一趋势。需要指出的是，单一公司内部的模型训练并非串行进行：当GPT 5.6尚在训练时，GPT 6的研发往往已同步启动，多代模型采取并行推进策略。但即便如此，整体发布节奏的加快仍反映出训练效率、数据管线与工程能力的综合提升。更值得关注的是，AI开始深度参与AI自身的研发流程。GLM的技术报告明确披露了智能体参与训练环境构建与验证器生产的完整链路；OpenAI方面也曾披露，其内部Agent已达到公司定义的“自动化研究实习生”阶段，能够承担部分研究任务。这一变化意味着模型研发中的部分环节开始由AI自动完成，形成“AI训练AI”的正循环雏形。有观点据此认为，头部AI实验室已接近“自我进化”状态，奥特曼此前关于年底实现AGI的表态未必只是宣传话术，其可行性正在获得更多佐证。
事件分析
技术层面，模型并行训练管线已成为头部实验室标配，训练-评测-发布周期被压缩至季度级。智能体承担训练环境构建与验证器生产，意味着AI研发中劳动密集型环节开始自动化，“研究自动化”正从概念走向工程落地。产业层面，迭代加速将持续放大头部实验室在算力与工程体系上的优势，后发者的追赶窗口进一步收窄；同时Agent参与研发可缓解顶尖研究员稀缺的人力瓶颈，重塑AI实验室的组织形态。后续走向上，若“自我进化”循环被验证成立，模型能力提升曲线可能由线性转为非线性，AGI时间表存在提前的可能，但配套的评测体系与安全评估机制的跟进速度，将成为决定该循环能否健康运转的关键变量。
核心观点：当AI开始承担AI研发本身，迭代加速便从工程优化跃迁为自我强化循环，AGI时间表正被改写。
原文链接：Linux.do
