SSI 首款模型曝光：Ilya 的 TTT 推理引擎即将亮相？

前 OpenAI 首席科学家 Ilya Sutskever 创办的 SSI（Safe Superintelligence），沉寂两年之后，终于传出首个模型的消息。

根据 X 平台网友「三只草莓」的爆料，SSI 正在探索一款基于 TTT（Test-Time Training，测试时训练）的小型推理引擎。该模型会先用专门整理的数据学习「如何学习」，再在推理过程中动态更新部分权重——即便参数规模不大，也有能力与经过更大规模训练的模型抗衡。爆料者还在评论区透露，SSI 当前的模型版本已准备就绪，团队正在把下一代版本的规模直接扩展 10 倍；而当前版本最快可能在本月公开亮相，早期仅向少数用户开放。不过也有消息称，这个月的发布计划可能再次推迟。SSI 的第一把剑究竟何时出鞘，目前仍存在不确定性。

三条线索相互印证

这条爆料之所以迅速引发关注，并不只是因为「Ilya」三个字自带流量，而是它与近期几条公开信息形成了呼应。

第一条线索来自 Ilya 本人在去年 11 月 Dwarkesh Patel 播客中的表态。他认为，「AGI」与「预训练」这两个词把行业带偏了——人并非生来就掌握所有工作的通用智能，真正依靠的是持续学习。他设想的超级智能更像一个聪明且求知欲旺盛的 15 岁少年，懂得不多，却能在部署之后通过试错不断成长。这一观点带有明显的元学习（meta-learning）色彩，与 TTT 路线所指向的「模型能否在部署后继续改变自身」高度一致。

第二条线索来自英伟达。今年 7 月 27 日，英伟达宣布与 SSI 建立长期战略合作，向其投资并提供下一代 Vera Rubin 系统。据路透社报道，投资金额高达 50 亿美元。英伟达在公告中特别提到，SSI 过去两年一直在推进一条新的研究路线，而英伟达在「罕见地接触到这项严密保密的研究后」决定推动其进入下一阶段。

第三条线索则与 TTT 技术本身的演进相关。

TTT 路线的核心思路

TTT（Test-Time Training）是近年来学界关注的一类推理时学习方法。传统大模型在推理阶段权重完全冻结，模型能力受限于训练阶段所见到的数据；而 TTT 允许模型在面对具体问题时，利用问题本身对部分权重进行即时更新，从而在不显著增加参数规模的前提下提升推理表现。

这种思路与 Ilya 强调的「部署后持续学习」理念天然契合：模型不仅要解决眼前的问题，还要在解决问题的过程中学会更好地解决问题。如果该路线被证明可扩展，等于在传统预训练范式之外开辟了一条新的能力增长曲线。

不确定性犹存

需要指出的是，爆料者「三只草莓」的真实身份与细节仍有待进一步证实，SSI 官方截至目前也未对发布时间作出明确回应。鉴于消息尚处于传闻阶段，其技术细节、模型规模与开放范围等核心信息仍需以官方发布为准。

无论结果如何，SSI 的每一次动向都牵动着业界对下一代 AI 范式的想象。如果 TTT 路线最终被验证有效，AI 行业在推理架构上或将迎来新一轮洗牌；而 Ilya 本人在离开 OpenAI 两年之后，也将首次以模型而非观点的方式重新站到牌桌中央。