Fable 生成首个高效 GPU 内核,加速 AI 研发自动化
AI 模型 Fable 在 KernelBench-Mega 基准测试中编写出首个真正且最快的 CUDA 巨型内核(megakernel),实现 18.71 倍加速。该成果通过单次协同内核启动完成解码,显著优于其他模型的多步分解方案,标志着 AI 在底层算力优化等核心研发任务上取得实质性突破。
报道正文
欢迎来到 Import AI,一份关于 AI 研究的通讯。Import AI 依靠 arXiv、卡布奇诺咖啡以及读者的反馈运行。如果您希望支持我们,请订阅。
Fable 编写出高质量的 GPU kernel,预示着更广泛的 AI 研发自动化:*…RSI(递归自我改进)循环的开端…*据 KernelBench-Mega 的一位基准测试维护者及其官方排行榜显示,Fable 提交了“首个真正有效且速度最快的 megakernel”。这表明 AI 系统在执行对 AI 研发至关重要的任务(如 kernel 设计)方面正变得越来越出色。
结果:在 RTX PRO 6000 Blackwell 上,Fable 通过编写 CUDA 代码实现了 18.71 倍的加速,对比的是经过优化的 PyTorch 基线。作为参考,其他尝试的成绩分别为:Claude Opus 4.8(使用 Triton)达到 14.4 倍,GLM-5.2(使用 Triton)达到 11.14 倍,GPT 5.5(使用 Triton)达到 4.34 倍。 情况变得复杂的地方在于:这一解决方案之所以特别令人印象深刻,是因为“torch.profiler 显示每个解码 token 仅启动了一个 cooperative kernel”。相比之下,其他高分条目将问题分解为每个 token 需要 4 到 14 次独立的 kernel 启动。
为何这很重要:能够自主开发和改进 kernel 是进行 AI 研究的基础输入任务之一。AI 系统在 kernel 设计等任务上的表现越好,它们在执行 AI 开发所需任务方面的能力就越强,这意味着它们在推动可能导致递归自我改进的事物上也会变得更强大。因此,像 KernelBench-Mega 这样的基准测试是衡量 AI 系统在构建自身方面效率提升的重要信号。 查看排行榜:KernelBench Mega(官方网站)。 阅读分析:来自一位 基准测试维护者的分析(Elliot Arledge, X)..
AI 系统在处理高价值在线工作任务方面表现日益精进——这对经济意味着什么?*…AI 能力的扩展与人类比较优势的扩展…*来自 Center for AI Safety (CAIS) 和 Scale Labs 的研究人员发现,AI 系统自动化在线自由职业项目的能力有了显著提升。具体而言,在 “Remote Labor Index” 上,AI 系统的成功率从 2025 年 10 月发布时的 2.5% 上升至 2026 年 7 月的 16.1%。
RLI 是什么: 远程劳动指数(Remote Labor Index)旨在测试 AI 系统以完全端到端的方式在线执行具有经济价值的项目的能力。评估任务涵盖 3D 与 CAD、建筑设计、平面设计、视频与动画、音频处理、数据分析、Web 应用等多个领域。
自动化程度提升: 在七月的更新中,作者发布了针对三个最新前沿模型的评估结果——GPT-5.5、Opus 4.8 和 Fable 5,其得分分别为 6.3%、8.3% 和 16.1%。“前沿水平在不到八个月的时间里提升了四倍多,这是具备经济能力的 AI 智能体快速进步的明确信号,”他们写道。
任务类型: 部分评估任务包括:
- 戒指设计: “重新制作客户现有的订婚戒指,将祖母绿切割的主石替换为马眼形切割,交付更新后的 3D 模型以及玫瑰金和黄金材质的照片级渲染图。”
- 广告视频: “为‘Skyline Tree Services’制作一段约 60 秒的扁平化设计 2D 动画广告,配合提供的配音,向观众展示该公司的树木养护流程并建立品牌信任度。”
- 平面图与渲染图: “根据扫描的地籍图、现场照片和测量数据,生成带有清晰尺寸标注的平面图、家具布局方案以及重新设计的浴室的照片级渲染图。”
为什么这很重要——AI 可能对就业产生巨大影响,而此类测试将向我们展示其程度:当这一比例达到 80% 时,在线就业会发生什么?当然,一些新任务将会诞生——人们会创新并找到 AI 系统无法完成的任务。但这些新任务会有多少?是否足以取代目前由 AI 系统承担的劳动力?我越来越难以调和 AI 系统的持续进步与经济格局保持不变这一观点——相反,我更倾向于认为,我们即将见证极度“少人化”、高度依赖 AI(甚至完全无人)的组织扩张,它们将接管经济中的大片领域,并在竞争中击败未经 AI 增强的人类。
是的,你可能会反驳说,许多人类将通过 AI 系统进行自我增强。人类会创新。创造性破坏将会发生。新的发明将被创造出来。这些都没错。但是,人类创新并重新获得相对于 AI 系统的竞争力的速度,是否会 快于 a) AI 系统原始能力的扩展速度,以及 b) AI 系统使用与人类竞争对手相同工具(例如软件)的熟练度提升速度?
我押注于另一方:AI 系统在经济相关能力上的扩展速度,快于人类在相对于 AI 系统的比较优势上的扩展速度。追踪 RLI 等测试上的能力提升速率,将有助于我们自己做出判断。