Sakana发布MASS自举法：单个270亿开源模型身兼求解器裁判优化器三职
发布时间：2026年10月12日 11:30:0010月12日，日本AI公司Sakana AI公布MASS方法：仅使用一个开放权重的270亿参数模型Qwen3.6-27B，让它在同一循环中同时扮演任务求解器、工作流优化器和自身产出的评估者三种角色，全程不依赖任何外部更强模型当裁判。在MLR-Bench上，单位输出token得分达到未经优化基座的1.60倍，在DSBench上为1.35倍。与主流「小模型干活、大模型当裁判」的多模型编排不同，MASS证明单个中小开源模型也能靠角色分工实现自我提升，大幅降低智能体系统的部署成本和对闭源大模型的依赖，给资源有限的团队提供了一条「一个模型跑闭环」的新路径。
一个模型，演三个角色，自己改自己
10月12日，由「进化算法+AI」闻名的日本公司 Sakana AI 公布了名为 MASS 的新方法。它最反直觉的一点是：不需要外部更强的模型当裁判。
整个系统只有一个模型——开放权重的 Qwen3.6-27B（270 亿参数），但它在同一个循环里轮流扮演三个角色：
| 角色 | 职责 |
|---|---|
| 求解器（Solver） | 实际完成任务、产出答案 |
| 优化器（Optimizer） | 调整工作流/提示策略，规划下一轮怎么做得更好 |
| 评估者（Judge） | 给自己的产出打分，决定保留还是改 |
三个角色形成一个自我改进的闭环：答题→评分→改方法→再答题，循环往复，而「监考老师」和「答题学生」是同一个模型。
效果：用token效率说话
Sakana 没有用「刷新某榜单」的方式宣传，而是给出更务实的指标——单位输出 token 的得分提升：
- MLR-Bench：得分/输出 token 达到未优化基座的 1.60 倍；
- DSBench：达到 1.35 倍。
换句话说，不是靠堆更多 token 暴力刷分，而是在同等甚至更少的输出量下把事情做得更好——这对关心 API 账单和延迟的工程团队是最实在的数字。
为什么这件事重要
过去一年主流的智能体自我改进方案是「多模型编排」：
- 小模型/便宜模型负责干活；
- GPT-5、Claude 这类强模型当裁判和优化器；
- 复杂时再上一个模型做路由。
效果不错，但代价明显：架构复杂、调用链长、成本高、强依赖闭源 API、数据还得出域。
MASS 证明了另一种可能：一个中等规模开源模型，靠清晰的角色分工和自举循环，也能自己把自己变好。 这带来三个直接好处：
- 成本骤降：不用为每个 Agent 系统配一个旗舰大模型当后端；
- 可私有化：270 亿参数可以在企业内部甚至边缘环境部署，数据不出网；
- 供应链自主：基于 Qwen 等开放权重模型，不被任何闭源 API 的定价和政策绑架。
和近期趋势的呼应
MASS 与本周另外两条新闻恰好构成一条暗线：
- 决策模型走热（微软 Decision-1、OpenAI Decisions API）：行业在把「快判断」从大模型里剥离出来；
- MASS 走「单模型多角色」：反方向证明，只要角色切分得当，一个开源模型也能把闭环跑起来。
两者看似矛盾，实则指向同一个目标：用更便宜、更可控的方式实现 Agent 的自我优化。一个是架构分层，一个是角色复用，最终都在压低智能体的运行成本。
冷观察
- 「自己给自己当裁判」天然存在自我偏见风险——模型可能对自己的错误「看不出来」，论文在更开放式任务上的可靠性还需第三方复现；
- 1.6 倍的成绩基于特定基准，迁移到真实业务（长程任务、多工具调用）时收益可能衰减；
- 270 亿参数虽不算大，但持续多轮自举的总算力消耗仍不低，「省钱」是相对多闭源模型编排而言。
结语
Sakana 的 MASS 像一道极简主义实验：当别人都在给智能体加模型、加层级时，它证明一个开源模型演好「运动员、教练、裁判」三角戏，也能自我进化。对预算有限、又想拥有自我改进 Agent 的团队来说，这条「一个模型跑闭环」的路线，可能比任何新旗舰都更有实操价值。