一、模型自进化
　　2026年，随着模型综合能力持续提升，人工智能研发人员正在越来越多地利用前沿模型加速AI自身研发进程”，这一现象也被产业界认为是人工智能逐步出现了自进化的迹象。可以说，模型自进化已出现局部实践，但总体仍处于有界自进化阶段，尚未实现完全自主、持续改进自身的递归自进化（RSI）。有界自进化是指模型能够在实践中获取反馈并调整优化自身或运行框架，但其优化目标、评价标准、数据与算力、工具权限和安全边界仍由人类设定。在模型能力提升、AI研发自动化和降本增效需求的共同驱动下，探索递归自进化正在成为各大模型公司追逐的重要方向。
　　业界开展自进化的探索集中在模型和智能体两个层面。一是改进模型本身，通过从生成、筛选和验证的数据及环境反馈中学习，更新模型参数，使能力在训练迭代中持续改进。这一路径正从单一环节优化向贯通数据生成、环境构建、模型训练和效果验证的端到端训练闭环演进。2026年4月，Anthropic提出“自动化弱到强研究员”，由Claude智能体在预设目标下迭代训练与验证，探索以弱模型监督提升强模型能力。智谱在2026年中期业绩公告中提出“全自训练”愿景，探索使下一代模型在上一代模型搭建的环境中训练，同时明确指出，当前流程仍有大量工程师参与。二是改进智能体的工作方式，在模型参数不变或少量变化的情况下，根据任务结果优化提示、记忆、工具使用和协作流程，使其运行框架（(Harness）不断完善优化。MiniMax在2026年3月介绍，M2.7模型通过自主选代优化运行框架、测试和保留有效改动，在内部编程评估集上取得30%的性能提升。