在训练 27B 大模型的过程中，上海原点星辉科技有限公司（StartLux）展示了一个惊人的数据：约 70% 的研发工作可以完全交给 AI 完成。在其本地 Agent 模型 StartLux-V1.0-27B-Preview 的后训练阶段，AI 不仅负责生成或筛选数据，还能自主提出实验假设、启动训练、进行评估分析，并根据结果决定下一轮的实验方向。人类研究员的角色被精简为对研究方向和关键取舍的把控。
这套方法训练出的模型成绩单十分亮眼。根据中国信通院发布的可信 AI 大模型基准测试 MCP 专项报告，StartLux-V1.0-27B-Preview 综合性能排名第二，综合得分 39.25。这一成绩超越了参数量达 284B 的 DeepSeek-V4-Flash-0731 和 198B 的 Step-3.7-Flash。在同参数规模下，其得分比 Qwen-3.6-27B 高出 5.34 个百分点，成为参测 27B 模型中的最优者，仅次于参数量高达 1.6T 的 DeepSeek-V4-Pro。在位置导航、浏览器自动化及金融分析等单项任务上，该模型更是包揽或并列第一，这意味着其 Agent 能力已进入万亿参数模型所代表的能力区间。
这套被称为“Auto Research”的方法，正指向全球 AI 研发的前沿方向——RSI（递归式自我改进）。StartLux 联合创始人兼 CTO 郭权玮解释道，真正的 Auto Research 不是简单的批量生成合成数据或搜索超参数，而是让 AI 形成从“假设—实验—验证—新假设”的闭环。例如在金融分析中，面对数据不一致的失败，Auto Research 会自动归纳问题并补充“回查原始数据—确认条件—再计算”的流程，而非凭空发明算法。
目前，传统研发路径正面临数据、算力及高水平人才稀缺的瓶颈。全球头部实验室如 OpenAI 和 Anthropic 已开始探索这一领域：OpenAI 内部已形成“自动化研究实习生”体系，人类研究日与 AI Agent 工作日之比约为 1:3.1；Anthropic 则称 Claude 编写了公司 80% 以上的生产代码。资本方面，Recursive Superintelligence 已完成 6.5 亿美元融资，Mirendil 获得种子轮 2 亿美元，谷歌资深专家 Jeff Dean 也离职创办了 Discovery Loop，聚焦让 AI 参与完整实验循环。
然而，目前行业尚未出现完整的 RSI，仍处于“弱 RSI”阶段。如何防止模型“自己出题、自己答题、自己阅卷”是当前难题。对此，StartLux 采取了“给流程装刹车”的策略：一旦模型出现钻评分漏洞或能力单一化倾向，研究员将立即介入。StartLux 认为，其核心竞争力在于围绕真实任务构建的数据、流程和评估体系，而非单一模型版本。未来，公司计划通过新架构、算法及本地参数更新机制，让模型具备在本地持续自我进化的能力，预计年内推出第一代本地智能解决方案。