OpenAI今日凌晨集中披露了多项重大进展，涵盖模型自优化技术、核心人才动向、硬件研发计划以及产品规模里程碑，展现出其在AI全栈领域的加速布局。

在模型效率方面，GPT-5.6 Sol已开始自主优化生产环境。通过分析线上真实业务流量，该模型能够定位算力失衡问题、测试新路由策略并迭代调度规则，同时利用Triton和Gluon开源GPU编程语言自主重写核心代码，最终使端到端推理服务部署成本降低20%。在推测解码环节，GPT-5.6 Sol对配套的预测模型进行了数百组架构对比实验，并自主启动训练任务、处理硬件故障等异常，使整体Token生成效率提升超15%。

人才方面，刚离职的美国AI公司Thinking Machines Lab联合创始人翁荔（Lilian Weng）被曝将重新加入OpenAI，协助开展AI自进化研究。翁荔此前在OpenAI担任安全研究负责人，她的回归被视为OpenAI强化模型自主迭代能力的关键一步。

硬件领域，OpenAI总裁格雷格·布罗克曼剧透公司正在打造AI硬件，并称“用户可能很快见到”。他谈及设备形态时认为，“绝大多数情况下”，人都会选择与电脑进行对话。这暗示OpenAI可能开发语音交互类硬件产品。

产品规模方面，OpenAI宣布其产品用户规模首次突破10亿人，并服务200万家企业，刷新了自身纪录。

值得注意的是，OpenAI还揭示了GPT-5.6 Sol的一个反常现象：它能解决圈复覆盖猜想等数学难题，却在二维解谜评测基准ARC-AGI-3中正确率仅7.8%（上一代GPT-5.5仅0.4%）。研究发现，问题不在模型本身，而在于智能体调度框架的配置——该框架每步操作后清空私有推理思考过程，且采用滚动截断窗口机制导致早期操作记录丢失。当研究人员启用推理记忆留存与上下文压缩两项API配置后，模型得分提升3倍，输出Token消耗缩减至原先的1/6。OpenAI建议开发者采用与ChatGPT和Codex相同的设置来评估模型性能。

这些进展表明，大模型竞争已进入全栈工程化优化阶段。OpenAI通过算法、推理、调度等整套技术体系的迭代，正推动模型效率与规模化能力的持续提升，为行业降低AI应用门槛提供了重要参考。