衔远开源OpenMLE之后，AI造AI开始进入工程化阶段

当一家中国创业团队把“让AI自己改进AI”的方法拆成公开模型、训练配方和评测工具时，AI造AI就不再只是硅谷融资故事里的口号。衔远科技发布Frontis-MA1-35B与开源套件OpenMLE，公开信息显示，相关方法把机器学习工程基座任务的奖牌率从39.39%推到60.61%，结合增强搜索后达到71.21%，同时将Token消耗降低41.7%，每百万Token的新发现效率提升84.3%。这组数字未必意味着AI已经可以独立完成科研，但它把一个更实际的问题摆到了台面上：模型能不能参与下一代模型和算法的研发，并且让过程可复现、可验证、可部署。

这条新闻的价值不只在于一个新模型发布。过去谈AI自我进化，讨论往往集中在“模型会不会超过人类”这样的终局想象；而OpenMLE选择从机器学习工程任务切入，把搜索、验证、训练和推理对齐拆成可观察的环节。AI是否能造AI，开始从宏大叙事变成一套需要计算资源、实验记录、评价指标和工程纪律共同支撑的工作流。

从口号到配方

衔远科技披露的三条Recipe，分别围绕可验证反馈、训练推理对齐和进化图谱展开。简单说，系统不是让模型凭感觉提出一个答案，而是要求它生成方案、运行验证、比较结果，再把有效经验沉淀下来。对于机器学习任务而言，指标、代码和实验结果都可以成为反馈信号，这比只依靠人工偏好打分更接近科研和工程现场。

可验证反馈的意义在于，它把“看起来合理”与“确实有效”分开。模型可以很容易写出一段像样的算法说明，但真正的改进必须经得住数据集、训练过程和对照实验检验。只要评价流程足够严格，模型就不能单靠语言流畅度掩盖方案缺陷，研究者也能回看它为什么选择某个结构、某个超参数或某条搜索路径。

效率不只看单价

公开信息中“Token消耗降低41.7%”尤其值得关注。AI参与研发时，成本通常不只是调用一次模型的价格，还包括读取代码和论文、生成候选方案、运行实验、分析日志以及失败后的重复尝试。一个只会不断扩大上下文、反复试错的智能体，即使模型单价很低，也可能因为任务链过长而变得昂贵。

因此，AI研发系统的竞争会从模型能力延伸到任务编排。什么时候检索，什么时候执行实验，什么时候停止探索，怎样复用已经验证的结果，都会影响最终产出。对企业来说，真正可用的系统应该记录每次实验的输入、代码版本、资源消耗和结果变化，避免模型把同样的错误重复几十遍。未来衡量AI科研助手，不能只问它提出了多少个想法，还要问它用多少资源找到了多少个有效想法。

开源带来的变化

Frontis-MA1-35B和OpenMLE套件选择公开发布，意味着这套方法可以接受更广泛的复现和质疑。AI研发系统最怕只有演示没有过程：如果外界只能看到最终分数，就很难判断提升来自模型本身、数据处理、搜索预算还是评测设置。开源配方和工具链，则让研究者有机会逐项拆解贡献，检查哪些环节真正有效。

当然，开源不等于低门槛。训练和运行这类系统仍需要稳定的GPU或其他加速资源、实验调度、数据存储和日志管理。对于高校、小型团队和创业公司来说，最大的障碍可能不是下载模型，而是承担长时间实验的基础设施成本。使用云服务器部署时，应根据并发实验数量、显存需求、数据合规和任务时长做配置，像速维云这类云资源可以作为弹性算力选择，但具体方案仍要先核算模型规模和实验队列。

大模型传闻的另一面

同一批资讯里，OpenAI新模型Astra的消息引发了大量讨论。现有信息显示，Astra可能支持多个AI Agent长时间协同工作，面向复杂项目和高阶数学问题，但相关消息尚未得到官方确认，发布时间和最终命名也存在不确定性。它最值得观察的地方，不是“GPT-6”这样的猜测，而是大模型产品是否正在从单轮回答转向持续协作。

如果模型真的要长时间参与项目，就必须具备任务分解、状态记忆、结果校验和权限控制。它需要知道哪些工作已经完成，哪些结论只是暂时假设，什么时候应该向人请求确认。换句话说，Agent数量增加并不会自然带来更强的系统，协作协议、共享上下文和冲突处理才是决定效果的部分。OpenMLE强调可验证反馈，正好说明未来的智能体系统不能只追求“会做”，还要能够证明自己做得对。

实验室仍是硬问题

中国科大对机器实验室进行的压力测试给出了一个克制的提醒。研究团队用45个工作站搭建机器实验室，在48种配置下完成4608次测试，结果显示只有3.3%的工作流能够完整跑通。这个数字并不削弱AI造AI的意义，反而说明从软件世界里的算法搜索，走到真实物理实验，中间还有很长的距离。

真实实验包含设备状态、样品误差、环境变化、耗材管理和安全责任，任何一个环节出问题，模型生成的计划都可能无法执行。AI可以帮助设计实验和分析结果，但要让它直接接管实验室，必须把硬件接口、异常处理、操作权限和人工复核一起纳入系统。当前更现实的路径，是让模型先承担信息整理、方案比较、参数建议和结果解释，把高风险动作留在明确的审批链里。

应用落地要看闭环

欧莱雅在WAIC展示的生成式美容顾问和头发数字孪生，代表了另一类更接近业务的应用。公开信息显示，AI已经被用于产品研发、内容生产和运营，配方筛选速度达到传统实验室的数倍，并有大规模员工培训。这里的关键不是给产品贴上AI标签，而是模型是否进入了从研发、试用到反馈迭代的完整流程。

这也解释了为什么AI行业会同时出现基础模型、工程套件和垂直应用三种新闻。基础模型决定能力上限，工程套件决定能力能否稳定调用，垂直应用则检验企业是否愿意为结果付费。三者缺一不可：没有模型，应用缺少能力；没有工程系统，能力无法持续交付；没有真实业务，所谓自我改进也很难证明价值。

真正的竞争才刚开始

从衔远科技开源OpenMLE，到大模型被期待参与长期Agent协作，再到机器实验室暴露真实世界的执行瓶颈，行业正在形成一条清晰路线：AI不会突然跳过工程阶段，直接进入“完全自主科研”的终点。它更可能先在可计算、可验证、可回滚的任务里扩大作用，再逐步接触更复杂的现实环境。

对企业和开发者而言，判断一项AI技术是否值得跟进，可以先看四个问题：它能否复现实验结果，是否清楚记录资源消耗，能不能接入现有工具链，失败时有没有人工接管和回滚机制。模型参数、榜单成绩和发布会演示仍然重要，但真正决定长期价值的，是这些能力能否沉淀成稳定的工作系统。AI造AI或许还远未成熟，可围绕验证、效率和协作展开的工程竞争，已经开始。