清华系衔远科技开源AI4AI模型Frontis-MA1及OpenMLE
一家清华系公司开源了能让 AI 自己改进 AI 研发流程的模型与工具，展示递归自我改进的实操路径。
衔远科技与清华团队发布 Frontis-MA1 系列模型，通过元进化工作流训练，让 AI 参与机器学习工程。其 35B 模型将 MLE-Bench 奖牌率从 39% 提升至 60%，配合开源套件 OpenMLE 可达 71%。这是 AI4AI 走向递归自我改进的一次开源实践。
正文摘录
 新智元报道  2026 年，AI 行业最昂贵的新故事，已经不只是「训练一个更大的模型」。 资本开始直接押注：让 AI 参与制造下一代 AI。 4 月，AlphaGo 核心缔造者 David Silver 创办的 Ineffable Intelligence 完成 11 亿美元融资、估值 51 亿美元。它要打造的不是另一个 Chatbot，而是一个依靠强化学习和自身经验发现知识的「超级学习者」。 5 月，Richard Socher、Peter Norvig 等人创办的 Recursive Superintelligence 带着 6.5 亿美元融资亮相，目标直接写进公司名字：构建能够发现自身弱点、重新设计并改进自己的 AI。 更早之前，AlphaChip 联合创造者创办的 Ricursive Intelligence 在成立不到两个月后完成 3 亿美元 A 轮、估值 40 亿美元。它试图关闭一条真实的物理递归链：AI 设计更好的芯片，更好的芯片再加速下一代 AI。 另一边，Periodic Labs 以 3 亿美元种子轮起步，建设 AI 科学家和供其行动的自动化实验室；Sakana AI 完成 2 亿美元 B 轮、估值 27 亿美元后，又成立 RSI Lab，把 AI Scientist、自进化程序和 Agent-Native Model 接进同一条递归路线。其端到端自动化 AI 研究成果已于 2026 年 3 月正式发表于《Nature》。