Frontis 開源 OpenRSI：35B 模型搞 AI 自我進化，逼近 GPT-5.6

OpenRSI 是一個把「AI 改進 AI」落地成可執行工程的開源框架，專門用來在機器學習工程（MLE）場景下讓模型實現程式自我進化。它把實驗設計、程式碼編寫、執行反饋和策略最佳化做成閉環，讓你不需要成百上千張高階計算卡，在單張消費級顯示卡上就能跑起自動化的程式碼進化與長程搜尋。

它能做什麼

OpenRSI 解決的是 AI 如何通過自主寫程式碼、跑實驗並根據報錯自我修正的問題。整個系統包含四大模組：提供任務與驗證環境的 OpenMLE-Gym、執行導向訓練模組 OpenMLE-RL、長程搜尋執行時 OpenMLE-Evo，以及專門為此訓練的 Frontis-MA1 模型。

它的核心機制在於統一了模型訓練和推理搜尋的動作空間。專案定義了四個程式進化運算元：從零生成程式的 Draft、基於執行反饋迭代的 Improve、修復報錯的 Debug，以及將兩個候選程式重組的 Crossover。模型在後訓練階段通過監督微調（SFT）和強化學習（RL）把這四種能力內化，隨後直接作為長程搜尋的變異引擎。

在上下文設計上，它放棄了將全部歷史程式碼和執行日誌直接塞進 Prompt 的做法，改為按運算元按需檢索有界證據。對比原版 AIRA-Evo，這種做法讓整體 token 消耗減少 41.7%，但每百萬 token 產生的有效發現提升了 84.3%。

效能表現與硬體要求

專案首發提供了 35B 和 30B 兩個尺寸的 Frontis-MA1 權重，包含標準的 BF16 格式以及量化後的 GGUF 衍生版。

這套系統最搶眼的是它的硬體門檻：實驗完全在單張限制為 12GB 視訊記憶體的 RTX 4090 上完成，每個任務給定 12 小時搜尋預算。

在 MLE-Bench Lite 基準測試中，固定 OpenMLE-Evo 搜尋框架不變，將基座模型替換為 Frontis-MA1 35B 後，Medal Average 從 39.39% 提升至 60.61%。若啟用支援多 GPU 非同步搜尋的 OpenMLE-Evo-Max 配置，最終成績達到 71.21%，超越了 GPT-5.5 + Codex 的水平，逼近 GPT-5.6 Sol 和 2.8T 引數的 Kimi K3。

在未參與訓練的 NatureBench Lite 測試中，團隊進行了嚴格的控制變數驗證：固定評估框架僅換上該模型，復現頂尖成果的比例從 50% 提升至 70%；固定基座模型僅換上 OpenMLE-Evo 框架，成績從 20% 提升至 50%。

作者在文件中明確指出，這些測試資料反映的是模型加搜尋框架的整套系統表現，並非單次生成跑分；同時強調專案探索的是有邊界、可執行的元自進化（Meta-Evolution），並沒有宣稱解決了通用遞迴自我進化。

怎麼跑起來

OpenRSI 的程式碼、模型和資料已經全部開放。除了 GitHub 上的 FrontisAI/OpenRSI 程式碼庫，團隊還放出了分散式執行沙箱 OpenMLE Sandbox、任務集 OpenMLE Tasks 以及訓練軌跡資料 OpenMLE SFT Traces。

克隆倉庫後，可以根據需求單獨進入 OpenMLE-Gym、OpenMLE-ERL 或 OpenMLE-Evo 目錄部署環境。官方在 OpenMLE-Evo 中提供了一個針對 NatureBench 論文復現任務的本地 smoke 指令碼，配置 Python 3.12 虛擬環境並準備好本地 SGLang 例項或模型 API Key 後，單卡即可執行基礎驗證。

為什麼重要

對於關注程式碼智慧體、自動演算法迭代或自進化機制的開發者來說，OpenRSI 是目前最值得深入拆解的開源專案之一。行業裡很多團隊把遞迴自我進化停留在宏大概念或私有融資敘事上，而 Frontis 把它老老實實拆成了起草、改進、除錯和重組四個運算元，並開源了全部模型權重、搜尋程式碼與沙箱後端。

我們認為，OpenRSI 展現出了一種極具價值的工程剋制。它證明了不需要數千張頂級算力叢集，只要把執行反饋、有界上下文檢索與強化學習緊密繫結，35B 級別的小模型也能在特定工程任務裡越級叫板閉源龐然大物。它的侷限性同樣客觀存在：這套方案高度依賴可執行、可打分的確定性程式碼環境，脫離了有明確反饋迴路的工程任務，自我進化邏輯如何向開放式科學發現遷移，仍是一個未解難題。