RSIAgent：开源 Kimi-K3 反超 GPT-6

一句话总结：当所有人还在用"参数越大越强"的旧逻辑训模型，Aether AI 给出了第三条路——让 Agent 在真实环境里自己探索、试错、沉淀经验，0 个权重更新就让 Kimi-K3 和 GLM-5.3 在 OSWorld 2.0 和 Agent's Last Exam 上反超 GPT-6 Astra 和 Claude Opus 5。

过去三年，AI 圈的所有发布会基本都遵循同一个公式——更大的参数、更长的训练、更贵的算力。Scaling Law 成了信仰：参数 ×10，能力就涨一波。

但 2026 年 9 月 14 日，arXiv 上挂出的论文《RSIAgent: Autonomous Exploration for Recursive Self-improvement in New Environments》(2609.15364v1)，把这套信仰翻了一面：

指标RSIAgent 之前的 GLM-5.3RSIAgent 之后的 GLM-5.3GPT-6 AstraClaude Opus 5OSWorld 2.0 (0808 offline)71.97%78.98%72.60%—Agent's Last Exam (Near-term)—84.82%82.26%—

关键差异：RSIAgent 没改一行模型参数。它只让 Agent 自己在真实软件里点来点去、把"踩过的坑"沉淀成可复用的 Memory，结果开源 Kimi-K3 / GLM-5.3 直接把闭源旗舰 GPT-6 Astra 推下了榜首。

这就是今天所有人都在讨论的第三条 Scaling 路径——Scale Experience（规模化经验），而不是 Scale Model。

先看图：3 句话读懂 RSIAgent

RSIAgent 把"训练-部署"两段式拆成一条持续进化的流水线：

1. 1.三 Agent 闭环——Curriculum Agent 决定下一步探索什么，Actor Agent 真去操作，Verifier Agent 校验结果；
2. 2.两阶段探索——先 Broad（并行广撒网）把环境结构画出来，再 Deep（顺序深挖）专挑硬骨头；
3. 3.冻结记忆——所有经验沉淀进 Memory 后冻结，下游任务直接复用，模型参数一行不动

RSIAgent 是一套训练免费的多智能体递归自我改进框架，由 Aether AI 团队（Sibo Zhu、Shicheng Fan、Xinyue Wang 等）在 2026 年 9 月 14 日发布。论文 + 代码 + 网站三件套全开源：

• • 论文：https://arxiv.org/abs/2609.15364
• • 代码：https://github.com/AetherLabsAI/RSIAgent
• • 网站：https://aetherlabsai.github.io/RSIAgent/

它解决的是 Agent 落地最痛的问题——"模型再聪明，遇到没见过的软件也抓瞎"。

任何企业内网、私有 CRM、自研管理后台，对模型来说都是"陌生环境"。传统做法是换模型 → 换更大的模型 → 重新训。RSIAgent 换了个思路：模型不动，让 Agent 在目标环境里自己爬一遍。

核心机制：三个 Agent + 两阶段探索

RSIAgent 不是单 Agent，而是把工作切成三种角色：

角色职责类比Curriculum Agent决定下一步该探索什么方向新人 PM，每天给实习生派活Actor Agent真·点开软件、敲代码、抓 DOM手速担当的执行者Verifier Agent校验 Actor 的结果是否真发生毒舌 QA，对照截图/日志/状态码

三 Agent 围绕一个不断演化的 Memory闭环协作：生成任务 → 动手折腾 → 验证结果 → 沉淀经验 → 升级任务。

而探索分两阶段，像极了人类训练 AI 的两步——

第一阶段：Broad Recursive Self-exploration（广域探索）

类似 Pre-training：并行跑 10 个不同方向的任务——试工具、换输入、改权限、切浏览器——快速画出"这个系统大致长啥样"的拓扑图。

第二阶段：Deep Recursive Self-exploration（深度攻坚）

类似 Post-training：专门设计"边界压测题"，专挑系统最脆弱的神经末梢下手。

消融实验证实：移除任一阶段，效果都会大打折扣。RSIAgent 真正在重新定义什么叫"扎实的基本功"。

数据说话：开源怎么反超闭源

基准GLM-5.3 基线GLM-5.3 + RSIAgentGPT-6 AstraClaude Opus 5提升幅度OSWorld 2.0 (0808)71.97%78.98%72.60%落后+7.01 ptsAgent's Last Exam (Near)—84.82%82.26%落后+2.56 pts

更夸张的是游戏开发场景（GameCraft-Bench）：一些初始成功率只有 0–40% 的任务，经过多轮 RSI 探索后直接拉满到 100%。

而这一切——没有任何一次反向传播，没有任何一次梯度下降。

关键反常识：能力到底藏在哪里？

过去我们默认"能力藏在参数里"。RSIAgent 给出的答案是——能力藏在环境知识里。

一个没去过故宫的导游，背再多地理书也讲不出承乾宫的飞檐翘角；但一个去过 10 次的导游，一开口就是"你看这个斗拱是明代官式做法"。

Kimi-K3 和 GLM-5.3 是那个"没去过故宫"的导游；RSIAgent 给它们的是一份已经踩过坑的"故宫地图"。

代价是什么？几乎为零——没有额外训练成本，没有额外数据标注，模型权重一字不改。

三种场景，谁该立刻用 RSIAgent？场景 1：企业内部 Agent 落地

数据不能出内网、系统月月迭代、自研工具没有公开训练数据——RSIAgent 是天然解。让 Agent 在你自己的后台里爬一周，把"隐藏的输入校验、异步状态、失败重试路径"全沉淀进 Memory。

场景 2：模型选型受限于"开源生态"

买不起 GPT-6？无所谓。RSIAgent + Kimi-K3 / GLM-5.3 已经能跑赢它。省下的不只是 token 钱，还有合规和私有化部署的复杂度。

场景 3：研究 Agent Scaling 范式

"到底是 Scale Model 还是 Scale Experience？"——RSIAgent 给出的答案是两者可以叠加。下一步问题是：能不能用 RSI 找到新 Scaling 律？

三件需要冷静的事

1. 1.Memory 会过期：论文没说"环境改了 Memory 怎么更新"。如果你的 UI 每周发版一次，Memory 到周四就过期了——必须配套自动检测 / 重新探索机制。
2. 2.Verifier 也会被骗：如果 Verifier 自己没看清真实环境变化（DOM 误判、状态码漏检），错的经验也会写进 Memory。建议对 Memory 做外部交叉验证。
3. 3.不是万能银弹：RSIAgent 解决的是"在新环境快速上手"，不是"生成新能力"。模型本身的能力上限还在；但同一能力在不同环境下的落地效率，可以靠 RSI 大幅提升。

维度关键信号核心反常识训练免费、不更参数，开源模型反超闭源旗舰三 Agent 闭环Curriculum + Actor + Verifier 围绕演化 Memory两阶段策略Broad Recursive Self-exploration → Deep Recursive Self-exploration关键数字OSWorld 2.0: 71.97% → 78.98%（+7.01）；Agent's Last Exam: 84.82%核心价值0 训练成本、0 数据标注、模型权重一字不改适用场景企业内 Agent / 私有化部署 / 模型选型注意事项Memory 过期检测 / Verifier 误判漏检 / 非万能银弹

重点回顾

1. 1.RSIAgent 给出第三条 Scaling 路径：Scale Experience，而不是 Scale Model。开源 Kimi-K3 + GLM-5.3 用 RSI 在 OSWorld 2.0 从 71.97% 提到 78.98%，反超 GPT-6 Astra 的 72.60%。
2. 2.三 Agent 闭环 + 两阶段策略：Curriculum / Actor / Verifier 持续迭代，Broad → Deep 一遍比一遍更深；Memory 冻结后下游任务直接复用。
3. 3.0 训练成本、0 数据标注：所有经验都从真实环境里自己"踩坑"沉淀，对企业内 Agent 落地和私有化部署尤其友好。
4. 4.核心反常识：能力不在参数里，在环境知识里。一个去过 10 次故宫的导游，比背 100 本书的导游讲得更生动。
5. 5.Memory 会过期——这是 RSIAgent 当前最大盲区，下一步要解决自动检测 + 自动重新探索。

• • 论文：https://arxiv.org/abs/2609.15364
• • 代码：https://github.com/AetherLabsAI/RSIAgent
• • 网站：https://aetherlabsai.github.io/RSIAgent/
• • 中文解读：51CTO《在多项高难度 Benchmark 超越 GPT-6 Astra，RSIAgent 让开源模型自主探索新环境》
• • 团队主页：Aether AI 因果智能路线（Causal-Copilot / C-World / Auto-scaling Continuous Memory）

作者：科技爆款捕手 · 2026-09-16信源：arXiv 2609.15364v1 / 51CTO / AGI Hunt / 搜狐科技 / Aether AI 官方