Frontis 开源 OpenRSI：35B 模型搞 AI 自我进化，逼近 GPT-5.6

OpenRSI 是一个把「AI 改进 AI」落地成可执行工程的开源框架，专门用来在机器学习工程（MLE）场景下让模型实现程序自我进化。它把实验设计、代码编写、执行反馈和策略优化做成闭环，让你不需要成百上千张高端计算卡，在单张消费级显卡上就能跑起自动化的代码进化与长程搜索。

它能做什么

OpenRSI 解决的是 AI 如何通过自主写代码、跑实验并根据报错自我修正的问题。整个系统包含四大模块：提供任务与验证环境的 OpenMLE-Gym、执行导向训练模块 OpenMLE-RL、长程搜索运行时 OpenMLE-Evo，以及专门为此训练的 Frontis-MA1 模型。

它的核心机制在于统一了模型训练和推理搜索的动作空间。项目定义了四个程序进化算子：从零生成程序的 Draft、基于执行反馈迭代的 Improve、修复报错的 Debug，以及将两个候选程序重组的 Crossover。模型在后训练阶段通过监督微调（SFT）和强化学习（RL）把这四种能力内化，随后直接作为长程搜索的变异引擎。

在上下文设计上，它放弃了将全部历史代码和运行日志直接塞进 Prompt 的做法，改为按算子按需检索有界证据。对比原版 AIRA-Evo，这种做法让整体 token 消耗减少 41.7%，但每百万 token 产生的有效发现提升了 84.3%。

性能表现与硬件要求

项目首发提供了 35B 和 30B 两个尺寸的 Frontis-MA1 权重，包含标准的 BF16 格式以及量化后的 GGUF 衍生版。

这套系统最抢眼的是它的硬件门槛：实验完全在单张限制为 12GB 显存的 RTX 4090 上完成，每个任务给定 12 小时搜索预算。

在 MLE-Bench Lite 基准测试中，固定 OpenMLE-Evo 搜索框架不变，将基座模型替换为 Frontis-MA1 35B 后，Medal Average 从 39.39% 提升至 60.61%。若启用支持多 GPU 异步搜索的 OpenMLE-Evo-Max 配置，最终成绩达到 71.21%，超越了 GPT-5.5 + Codex 的水平，逼近 GPT-5.6 Sol 和 2.8T 参数的 Kimi K3。

在未参与训练的 NatureBench Lite 测试中，团队进行了严格的控制变量验证：固定评估框架仅换上该模型，复现顶尖成果的比例从 50% 提升至 70%；固定基座模型仅换上 OpenMLE-Evo 框架，成绩从 20% 提升至 50%。

作者在文档中明确指出，这些测试数据反映的是模型加搜索框架的整套系统表现，并非单次生成跑分；同时强调项目探索的是有边界、可执行的元自进化（Meta-Evolution），并没有宣称解决了通用递归自我进化。

怎么跑起来

OpenRSI 的代码、模型和数据已经全部开放。除了 GitHub 上的 FrontisAI/OpenRSI 代码库，团队还放出了分布式执行沙箱 OpenMLE Sandbox、任务集 OpenMLE Tasks 以及训练轨迹数据 OpenMLE SFT Traces。

克隆仓库后，可以根据需求单独进入 OpenMLE-Gym、OpenMLE-ERL 或 OpenMLE-Evo 目录部署环境。官方在 OpenMLE-Evo 中提供了一个针对 NatureBench 论文复现任务的本地 smoke 脚本，配置 Python 3.12 虚拟环境并准备好本地 SGLang 实例或模型 API Key 后，单卡即可运行基础验证。

为什么重要

对于关注代码智能体、自动算法迭代或自进化机制的开发者来说，OpenRSI 是目前最值得深入拆解的开源项目之一。行业里很多团队把递归自我进化停留在宏大概念或私有融资叙事上，而 Frontis 把它老老实实拆成了起草、改进、调试和重组四个算子，并开源了全部模型权重、搜索代码与沙箱后端。

我们认为，OpenRSI 展现出了一种极具价值的工程克制。它证明了不需要数千张顶级算力集群，只要把执行反馈、有界上下文检索与强化学习紧密绑定，35B 级别的小模型也能在特定工程任务里越级叫板闭源庞然大物。它的局限性同样客观存在：这套方案高度依赖可运行、可打分的确定性代码环境，脱离了有明确反馈回路的工程任务，自我进化逻辑如何向开放式科学发现迁移，仍是一个未解难题。