RSIAgent 是什么？让开源模型不训练也能超越 GPT-6 Astra

RSIAgent 是 Aether AI 团队 2026 年 9 月 15 日发布并开源的 Agent 自进化框架：它不更新模型参数，而是让 Agent 自己进入陌生软件环境里探索、试错、验证，把学到的经验存进一个可复用的记忆库（Memory），从而让 Kimi-K3、GLM-5.3 这类开源模型在两项高难度基准上超过了 GPT-6 Astra。论文、代码、项目主页都已公开（链接见文末），采用 Apache 2.0 协议。

这篇文章会讲清楚三件事：RSIAgent 到底是怎么工作的、它的实测成绩含金量如何、以及如果你想自己跑一遍该怎么上手。

一句话理解 RSIAgent：不 Scale 模型，改 Scale 经验

过去几年大模型变强主要靠一件事：把模型越训越大。但模型部署之后呢？一个 Agent 进入一个从没见过的软件、工具或企业系统，新的交互逻辑、隐藏约束、失败模式全都要重新适应。过去的做法是收一批新数据、重新微调（想了解微调可以看我们的什么是微调（Fine-tuning）入门），成本高，而且很多企业内部数据根本不能拿去训练。

RSIAgent 换了一条路：模型参数一个都不动，让 Agent 自己去环境里"刷经验"。论文里管这叫 Scaling Experience，不扩大模型，而是扩大经验。它想回答的问题是：AI 能不能像人一样，进了新环境自己摸索出"什么操作会带来什么结果"，并且把学到的因果规律存下来反复用？

如果对 Agent 这个概念还不熟悉，建议先看我们的AI Agent 入门指南，再回来看这篇会顺畅很多。

RSIAgent 怎么工作：三个 Agent + 一个会长大的记忆库

RSIAgent 的核心是一套多智能体递归闭环，三个角色分工明确：

• Curriculum Agent（课程 Agent）：决定"接下来探索什么"。它根据已有经验挑选最有信息量的探索任务。
• Actor Agent（执行 Agent）：真正进入软件干活，通过执行 Python/Bash 代码和观察界面来操作环境。
• Verifier Agent（验证 Agent）：独立检查任务要求和实际环境状态，判断 Actor 的结果是否可靠。它看不到 Actor 的私有推理过程，防止"自己批改自己的作业"。

每次探索验证完，有效的经验（动作、条件、结果之间的因果关系，包括失败教训）会被沉淀进 Memory。整个探索结束后，Memory 被冻结，直接用于后续真实任务的执行。

两个探索阶段：先铺广度，再攻难点

RSIAgent 的探索分两步走，思路类似大模型训练里的预训练和后训练：

消融实验显示，拿掉任何一方都会明显影响探索的广度或深度，只广不深会漏掉边界情况，只深不广则缺乏整体认知。

RSIAgent 实测成绩：开源模型真的赢了吗？

直接看数字。在不更新任何模型参数的情况下，RSIAgent 基于 GLM-5.3 和 Kimi-K3 这两个开源模型（GLM-5.3 的详细表现可以看我们的GLM-5.3 深度评测），在两项公认的高难度 Agent 基准上超过了闭源前沿模型：

几个值得注意的点：

1. 提升主要来自 RSI 闭环本身。OSWorld 2.0 上基线是 71.97%，开一轮轮探索后涨到 78.98%，涨了 7 个百分点，而模型从头到尾没变过。
2. 官方口径很透明。README 里明确说明 RSI 列的聚合方式（OSWorld 用了 41 条 RSI 记录、ALE 用了 19 条），还特意注明这不是严格匹配的重复实验平均值。这种把口径摊开说的做法在刷榜文里不多见。
3. 任务越难，进化越明显。论文报告一些初始成功率只有 0-40% 的任务，随着 RSI 轮次增加最终达到 100%，简单任务几轮就收敛，复杂任务需要更多轮探索。

另外，团队把同样的机制用到了 GameCraft-Bench 自主游戏开发任务上，在玩法机制、深度、视觉等维度都有提升，说明这套"探索-验证-记经验"的循环不挑环境类型。

RSIAgent 和 GPT-6 Astra 差在哪：一个靠参数，一个靠经验

这个对比值得多说一句。GPT-6 Astra 代表的是 Scaling Model 路线的顶端（GPT-6 发布时的情况可以看我们的GPT-6 发布解读）：能力烧在训练阶段的参数里，部署后基本定型。RSIAgent 代表的是另一条路：底层模型可以是开源中档货，但进入具体环境后通过自主探索持续长本事。

对企业的实际意义在于：如果你的业务环境是私有的、数据不能拿去训练，RSIAgent 这类"训练无关"（training-free）的方案提供了一种让 Agent 适配你环境的新选择，不用动模型，让它在你的系统里自己摸爬滚打一遍，把经验存下来就行。

当然，两者不是替代关系。RSIAgent 提升的是"特定环境里的任务能力"，不改变模型本身的通用智能水平。

RSIAgent 本地运行教程：想自己跑一遍看这里

代码在 GitHub 的 AetherLabsAI/RSIAgent 仓库（截至发稿 92 star，Apache 2.0 协议），目前主要面向复现论文基准的场景，门槛不低，先说清楚要求：

环境要求：Python 3.12、uv 包管理器、Linux 主机、Docker、可访问 /dev/kvm 的虚拟化支持。

基础安装步骤：

git clone https://github.com/AetherLabsAI/RSIAgent.git
cd RSIAgent
cp .env.example .env
# 编辑 .env，填入你的 OPENROUTER_API_KEY

跑 OSWorld 2.0 基准（需要先装指定版本的 OSWorld-V2）：

git clone --branch v2026.08.08 https://github.com/xlang-ai/OSWorld-V2.git ../OSWorld-V2
cd ../OSWorld-V2 && uv sync --frozen
uv pip install --python .venv/bin/python -r ../RSIAgent/requirements.txt
source .venv/bin/activate && cd ../RSIAgent
python run_osworld.py --arm both --name osworld_run_01 --dry-run   # 先看计划
python run_osworld.py --arm both --name osworld_run_01 --concurrency 1

--arm 参数三选一：baseline（只跑任务不学习）、rsi（先探索学习再评估）、both（两者都跑）。建议先用 --dry-run 看任务计划，再从 --concurrency 1 开始。

注意事项（README 原文强调的）：

• ALE 基准的虚拟机镜像很大：Linux 镜像约 167 GiB，Windows 约 157 GiB，还要预留下载和工作空间，硬盘不够别硬跑。
• 每次运行要用新的 --name / --output 目录，已有输出不会被覆盖。
• 官方说明：smoke 测试通过只代表运行机制正常，想复现论文分数需要按锁定的配置跑完整实验。

冷静看待：RSIAgent 自己承认的三个局限

官方 README 有一段少见的坦诚话，指出了这套机制的天花板：

1. 练习可能没练到点子上，探索跑了很多轮，但没碰到真正的薄弱环节；
2. 验证可能放水，Verifier 可能接受了不完整的工作成果；
3. 记忆可能记错，Memory 可能固化一条错误的规则，后面一直照着错。

换句话说，这套机制的上限取决于探索、验证和记忆整理的质量，不是无限堆轮次就能一直涨分。这也是所有"自我进化"系统的共同挑战。

另外要区分：搜 RSIAgent 时你还会看到一个叫 gitsofaryan/rsi-agent 的学习型项目，以及大量讨论 RSI（Recursive Self-Improvement，递归自我改进）这个概念的文章（比如翁荔 2026 年 7 月的 Harness Engineering 长文）。它们和本文介绍的 Aether AI 的 RSIAgent 不是一回事，别混淆。

总结

RSIAgent 的价值不在于"赢了一次跑分"，而在于它验证了一条可复用的路径：模型不动，靠"课程生成 → 执行 → 验证 → 记忆演化"的递归闭环，让开源 Agent 在陌生环境里自己长本事。对用不起闭源旗舰模型、又想让 Agent 适配私有环境的团队来说，这是一个值得 star 下来跟进的开源项目。项目刚发布，代码和文档还在快速迭代，建议持续关注官方仓库更新。

外部参考来源：

• 论文：RSIAgent: Autonomous Exploration for Recursive Self-improvement in New Environments（arXiv 2609.15364），作者 Sibo Zhu、Shicheng Fan、Xinyue Wang、Wenyi Wu、Kun Zhou、Biwei Huang
• 代码：GitHub - AetherLabsAI/RSIAgent
• 项目主页：aetherlabsai.github.io/RSIAgent
• 中文首发报道：机器之心：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

相关阅读（站内）：

• 什么是 AI Agent？入门指南
• GPT-6 发布解读
• GLM-5.3 深度评测
• 什么是微调（Fine-tuning）？