不训练、不用工具，一次回复写完神经网络权重：新模型跑出标尺 22 倍的分

这周一，MIT 的研究者展示了 AI 模型直接修改另一个模型权重的实验，全程不经过训练。伯克利博士生 Alex Krentsel 接着拿其中一项测试，在新老模型上复跑了一遍，结果差得离谱。

任务是这样的：写出一个玩 Atari《打砖块》的小网络里的全部数字。一次回复写完，不能训练，不能用工具。对照标尺是一个用试错法训练了 5 亿步的网络。

GPT-6 Astra 写出来的网络，得分是标尺的 22 倍。Claude Opus 5.5 是 20 倍，GPT-6.1 Sol 是 18 倍。

GPT-5 到 GPT-5.5、Opus 4.5 到 4.8 这些老型号，连标尺都没够到。

Krentsel 用”阶跃式出现的新能力”形容这件事。没有渐进，上一代几乎零分，这一代直接越过去。

第一反应是有点吓人，毕竟”AI 手写 AI”这几个字太容易让人联想到递归自我改进。

那就把但书也看完。这个网络只有 20486 个参数，前沿模型大约是一万亿参数，中间隔着七八个数量级。打砖块也是个规则简单的小游戏。模型很可能是先在脑子里想清楚了一个策略，再把它编码成权重，换成复杂任务未必行得通。而且开放权重的头部模型，目前这招还没成功过。

所以它离”模型自己改自己”还很远。不过这项能力从无到有只隔了一两代，比较准确的态度是继续盯着，这条曲线下一代会不会接着往上走。