史上首個 AI 造 AI！GPT-5.3 參與開發自己，科幻照進現實

OpenAI 發布 GPT-5.3-Codex，首個「參與創造自己」的模型，調試自己代碼、管理部署、診斷測試。Karpathy 稱此次改版「最接近 AI 起飛場景」。

AI 開始造 AI 的技術奇點突破

OpenAI 官方帳號發布：GPT-5.3-Codex 正式上線，這是「第一個參與創造自己的模型」。什麼意思？就是說，這個 AI 在開發過程中，幫忙調試了自己的訓練程式碼、管理了自己的部署流程、診斷了自己的測試結果。說人話就是：AI 開始造 AI 了。

前 OpenAI 研究員、特斯拉 AI 總監 Andrej Karpathy 看完直接發推文：「這是我見過最接近科幻小說中 AI 起飛場景的東西。」這種來自頂級 AI 研究者的評價極具分量，因為 Karpathy 親身經歷了 AI 發展的多個關鍵階段，他的判斷基於深刻的技術理解。

AI 自我迭代自己，這不是行銷話術。根據 OpenAI 內部揭露，GPT-5.3-Codex 在開發過程中做了這些事：分析訓練日誌標記失敗的測試、給訓練腳本和設定檔提建議修復方案、生成部署配方、總結評估異常供人類審查。這意味著什麼？AI 不再只是工具，它開始成為開發團隊的一員，而且是能改進自己的那種。

這種自我參與開發的能力突破了傳統 AI 的定位。以往 AI 模型完全由人類設計、訓練和部署，AI 是被動的產物。現在 GPT-5.3 在自己的誕生過程中發揮了主動作用，雖然仍在人類監督下，但這種角色轉變具有深遠意義。它暗示了一種可能性：未來的 AI 模型可能大部分由 AI 自己設計和優化，人類僅提供方向和最終審查。

GPT-5.3 自我參與開發的四大行為

分析訓練日誌：自動標記失敗測試，識別訓練過程中的異常

建議修復方案：對訓練腳本和配置文件提出改進建議

生成部署配方：自動化部署流程，減少人工操作

總結評估異常：將複雜的評估結果整理成人類可理解的報告

MIT 最近發表的 SEAL 論文（arXiv:2506.10943）描述了一種能在部署後持續學習的 AI 架構，無需重新訓練就能自我進化。值得注意的是，部分 SEAL 研究者現已加入 OpenAI。這意味著 AI 從「靜態工具」變成了「動態系統」，學習不再止步於部署，推理和訓練的邊界正在消融。GPT-5.3 可能正是這種新架構的首個商業化應用。

77.3% 碾壓 Claude 的基準測試屠殺

2 月 5 日，OpenAI 和 Anthropic 僅僅相隔 20 分鐘，就都發表了新一代模型。先是 Anthropic 發布 Claude Opus 4.6，接著 OpenAI 推出 GPT-5.3-Codex，中門對狙。既然 OpenAI 想用 GPT-5.3-Codex 狙擊別人家的新模型，那肯定得有點本事。數據不會騙人，GPT-5.3-Codex 一上線就在多個行業基準測試中刷新了紀錄。

Terminal-Bench 2.0 測試 AI 在真實終端環境中的操作能力，編譯程式碼、訓練模型、配置伺服器這些實際工作。GPT-5.3-Codex 得分 77.3%，而 GPT-5.2-Codex 只有 64.0%，Claude Opus 4.6 據報道是 65.4%。世代之間提升 13 個百分點，這在 AI 領域已經是個巨大的飛躍。77.3% vs 65.4% 的對比顯示，GPT-5.3 在實際工程任務上建立了顯著優勢。

SWE-Bench Pro 是一個專門測試真實軟體工程能力的基準，涵蓋 Python、JavaScript、Go、Ruby 四種程式語言。GPT-5.3-Codex 拿下了 56.8% 的成績，超過了前代 GPT-5.2-Codex 的 56.4%，繼續保持行業第一。更關鍵的是，OpenAI 透露，GPT-5.3-Codex 在達到這個分數時使用的輸出 token 數量是所有模型中最少的，這意味著它不僅準確，而且高效。

OSWorld-Verified 測試 AI 在視覺化桌面環境中完成生產力任務的能力，編輯電子表格、製作簡報、處理文件等。GPT-5.3-Codex 得分 64.7%，而人類的平均值是 72%。這意味著它在電腦操作任務上已經接近普通人的表現，比前代幾乎增加了一倍。這種接近人類水平的表現，使得 AI 首次能夠真正勝任辦公室工作，而非僅是輔助工具。

Claude 反擊 100 萬 Token 與 Agent Teams

更值得關注的是，Claude Opus 4.6 首次在 Opus 級模型中支援 100 萬 token 上下文視窗（beta），可以一次性處理整個程式碼庫或數百頁文檔，並推出了 Agent Teams 功能，多個 AI 智能體可以同時協作編程、測試、寫文檔，這種「AI 團隊作戰」的模式，正在將編程從個人技能變成協作工作。

當 OpenAI 和 Anthropic 在同一天、同一時刻發布旗艦模型，這場競爭不再是單純的技術比拼，而是關於 AI 未來形態的路線之爭：是 OpenAI 的「自我進化」路線，還是 Anthropic 的「多智能體協作」路線？OpenAI 的策略是讓單一 AI 越來越強大，甚至能夠改進自己。Anthropic 的策略是讓多個 AI 協作，通過分工和協同來完成複雜任務。

100 萬 token 的上下文是技術突破。這相當於約 75 萬個英文單詞或 300 萬個中文字符，足以容納一個中型軟體項目的全部代碼或一本厚厚的技術文檔。這種容量使得 Claude 能夠「看到」整個項目的全貌，而非片段式理解。對於大型項目的架構分析和重構，這種全局視野至關重要。

Agent Teams 則是將協作概念引入 AI。一個 Agent 負責寫代碼，另一個負責測試，第三個負責寫文檔，它們之間可以通信和協調。這種模式模仿了人類軟體團隊的工作方式，可能比單一超級 AI 更適合某些場景。然而，多 Agent 協作也引入了新的複雜性：如何協調、如何避免衝突、如何保證一致性。

兩種路線各有優劣。OpenAI 的自我進化路線更激進，若成功可能引發指數級的能力提升，但也可能失控。Anthropic 的多 Agent 路線更保守，通過分散能力來降低單點風險，但協調成本可能限制效率。當 AI 開始在野外進化，治理問題將從「它有多聰明」轉向「我們如何管理一個持續變化的系統」。而當兩家頂級 AI 公司在 20 分鐘內連續發布突破性模型，留給人類思考和準備的時間窗口，正在以肉眼可見的速度縮小。