OpenAI今日凌晨集中披露了多項重大進展，涵蓋模型自最佳化技術、核心人才動向、硬體研發計劃以及產品規模里程碑，展現出其在AI全棧領域的加速佈局。

在模型效率方面，GPT-5.6 Sol已開始自主最佳化生產環境。通過分析線上真實業務流量，該模型能夠定位算力失衡問題、測試新路由策略並迭代排程規則，同時利用Triton和Gluon開源GPU程式語言自主重寫核心程式碼，最終使端到端推理服務部署成本降低20%。在推測解碼環節，GPT-5.6 Sol對配套的預測模型進行了數百組架構對比實驗，並自主啟動訓練任務、處理硬體故障等異常，使整體Token生成效率提升超15%。

人才方面，剛離職的美國AI公司Thinking Machines Lab聯合創始人翁荔（Lilian Weng）被曝將重新加入OpenAI，協助開展AI自進化研究。翁荔此前在OpenAI擔任安全研究負責人，她的迴歸被視為OpenAI強化模型自主迭代能力的關鍵一步。

硬體領域，OpenAI總裁格雷格·布羅克曼劇透公司正在打造AI硬體，並稱“使用者可能很快見到”。他談及裝置形態時認為，“絕大多數情況下”，人都會選擇與電腦進行對話。這暗示OpenAI可能開發語音互動類硬體產品。

產品規模方面，OpenAI宣佈其產品使用者規模首次突破10億人，並服務200萬家企業，重新整理了自身紀錄。

值得注意的是，OpenAI還揭示了GPT-5.6 Sol的一個反常現象：它能解決圈復覆蓋猜想等數學難題，卻在二維解謎評測基準ARC-AGI-3中正確率僅7.8%（上一代GPT-5.5僅0.4%）。研究發現，問題不在模型本身，而在於智慧體排程框架的配置——該框架每步操作後清空私有推理思考過程，且採用滾動截斷視窗機制導致早期操作記錄丟失。當研究人員啟用推理記憶留存與上下文壓縮兩項API配置後，模型得分提升3倍，輸出Token消耗縮減至原先的1/6。OpenAI建議開發者採用與ChatGPT和Codex相同的設定來評估模型效能。

這些進展表明，大模型競爭已進入全棧工程化最佳化階段。OpenAI通過演算法、推理、排程等整套技術體系的迭代，正推動模型效率與規模化能力的持續提升，為行業降低AI應用門檻提供了重要參考。