P.S. 无意间发现了一个巨牛的人工智能教程，非常通俗易懂，对AI感兴趣的朋友强烈推荐去看看， 传送门https://blog.csdn.net/H1727548

1. 先唠唠最近AI圈这桩新鲜事

最近AI圈出了个挺反常识的瓜。

以前所有人都默认，搞“AI开发AI”这种高端活，必须得最贵最强的闭源模型下场才行。

结果现在有人证明，开源模型套个靠谱框架，差点把顶流闭源模型给干下去。

1.1 搞事的是谁？

一家叫Prime Intellect的开源AI基础设施公司，最近搞了场特殊的比赛。

说特殊，是因为参赛选手不是人，是18个当下最前沿的大模型。

从GPT-5.6 Sol、Opus 5到Kimi K3，市面上叫得上号的基本都来了。

2. 这场比赛，到底比的是什么？

说穿了很简单，就是比AI自己搞科研的本事。

具体任务是速通nanoGPT训练，用最少的步数把验证集loss降到指定数值。

2.1 规则狠就狠在，没人教你怎么赢

每个模型上场，就领三样东西：代码仓库、规则手册、一句“现在方案不够好”。

至于哪里不好、怎么改、往哪个方向试，半点儿提示都没有。

调学习率也好，换归一化也罢，甚至加权重平均，全靠自己瞎摸索。

跟把你扔到实验室，导师直接失联，只留个结题要求一模一样。

2.2 全程断网，杜绝抄作业

为了防止模型上网搜现成答案，整个环境直接锁进沙箱，彻底断网。

改代码、跑训练、看结果、判断是不是噪声、安排下一轮实验，全得自己来。

人类除了开机和等结果，基本插不上手。

统一用8张H200跑，起跑线绝对公平。

2.3 胜负标准只有一个数字

baseline是3290步达标，人类研究员的公开最好纪录是2600步。

谁能把步数压得越低，谁就越厉害。

说白了，就是比谁找的训练配方更高效。

3. 跑了153次实验，结果挺有意思

前前后后一共跑了153次全自主实验，单次最长跑了8天多。

最后得出来的结论，说意外也意外，说合理也合理。

3.1 先泼冷水：没人搞出全新黑科技

先说个有点扫兴的结论。

153次实验跑下来，没有任何一个模型，整出了真正前无古人的全新方法。

最后被验证有效的那些技巧，翻一翻现有论文基本都能找到类似思路。

说白了，大家脑回路差不了太多，想到的点子都在人类已有知识圈里。

3.2 真正拉开差距的，是试错的本事

既然点子都差不多，为啥名次能差出几百步？

核心差距，全在“怎么试错”上。

第一，强模型不会随便枪毙一个想法。

弱模型跑砸一次就直接把方案扔垃圾桶，强模型会换种子、做消融，甚至过段时间捡回来再测一遍。

就跟你追对象似的，被拒一次就放弃的都是新手，老手都懂得换个姿势再来。

第二，强模型更会分辨真假提升。

跑出来涨了一点点，到底是真优化了，还是GPU抽风随出来的噪声？

弱模型看见涨分就上头往里冲，强模型会先反复验证，不瞎烧算力做无用功。

第三，强模型会自己造工具。

比如Kimi K3，自己写实验函数，自己搭小型数值实验室，先在小环境里把想法测明白了，再搬到大训练里用。

别人还在徒手搬砖，它已经自己造好脚手架了，效率能一样吗？

3.3 最炸的成绩：开源模型追平闭源第一梯队

说几个核心数字，你们直观感受下。

目前全场第一的Fable 5，做到了2726步，差不多吃掉了从baseline到人类纪录之间82%的优化空间。

最让人意外的是Kimi K3。

配上Prime自家的Agent Harness之后，它跑出了2930步的成绩。

这个数字，已经超过了GPT-5.6 Sol的3042步，离Opus 5的2920步也就差10步。

什么概念？

一个开源权重的模型，靠一套编排框架，在自主科研任务上，已经能打赢部分顶级闭源模型，甚至摸到第一梯队的门槛了。

4. 真正的王炸：多智能体Harness

说到这肯定有人想问，Kimi K3凭啥能这么猛？

核心不是它本身智商碾压，是它用上了Multi‑Agent Harness这套东西。

4.1 搞科研，不用每一步都用最贵的模型

以前大家的思路特别直线：任务越难，越得上最强模型。

但这次实验直接把这个思路干碎了。

自主科研里大量的工作，其实都是写代码、跑实验、盯数据、做验证这种体力活。

这些活，根本用不着旗舰模型亲自下场。

找更便宜、更小的开源模型来干，效果差不了多少，成本能降一大截。

4.2 Harness到底是个啥？

简单说，就是一套智能体编排框架。

贵的大模型留着做决策、定方向、判断关键结果。

便宜的小模型负责执行、监控、跑流程、干杂活。

分工明确，各司其职。

以前是一个顶级专家又画图纸又搬砖又拧螺丝，浑身是铁能打几根钉？

现在是顶级专家只负责拍板，下面一堆熟练工玩命落地，整体效率直接拉满。

同样的预算，能跑更多次实验；同样的实验，能更快出结果。

试错成本一降，迭代速度自然就上去了。

5. 这事的影响，比你想的要深远

表面看是一次模型跑分比赛，实际上是在动摇整个行业的共识。

5.1 经典RSI剧本，第一次出现了变数

以前所有人聊RSI，剧本都是固定死的。

某个最强闭源模型率先跨过“AI开发AI”的临界点，然后自我迭代越跑越快，把其他玩家越甩越远，最后赢家通吃。

但这次实验直接给这个剧本打了个大大的问号。

模型本身不是最强的又怎么样？

只要底下这套科研机器够高效，试错吞吐量够大，开源阵营一样能靠堆迭代速度追上来。

不一定非得靠一个天选模型智力爆炸，攒个高效流水线，照样能往前冲。

5.2 AI研发的核心，正在悄悄转移

以前大家拼了命卷模型本身，卷参数、卷榜单、卷智商。

但现在看来，至少在AI搞科研这件事上，基础设施的权重正在越来越高。

能不能让模型长时间稳定工作？能不能给它顺手的工具？能不能用更低成本跑更多实验？能不能同时验证好几个假设？

这些问题的答案，可能比“模型智商再涨几点”更重要。

未来我们大概率看不到什么突然降临的超级智能爆炸。

更可能出现的，是一台越来越便宜、越来越快、不知疲倦的AI科研流水线。

它不一定每一步都最聪明，但它试得够多、跑得够快，照样能把科研速度推着往前跑。

说白了，决定AI迭代速度的，从来不只有顶端的模型有多聪明。

底下那套帮它不断试错的机器，同样关键。

P.S. 无意间发现了一个巨牛的人工智能教程，非常通俗易懂，对AI感兴趣的朋友强烈推荐去看看，传送门https://blog.csdn.net/H1727548