Fable 5手搓首个CUDA「超级内核」！2.5小时狂飙18.7倍

新智元报道

【新智元导读】AI 已具备纯手工编写 CUDA 代码并极致榨干 GPU 算力的手时狂能力。在最新基准测试中，搓首A超Fable 5 以 18.7 倍的飙倍加速比登顶，将 GPT-5.5 甩开 4 倍以上。手时狂Anthropic 联合创始人 Jack Clark 指出，搓首A超这标志着「递归自我提升（RSI）」循环的飙倍正式开启。

AI 竟写出了史上最快的手时狂底层内核代码！

在全新一轮 GPU 算子基准测试 KernelBench-Mega中，搓首A超Anthropic 的飙倍 Fable 5 表现一骑绝尘。

它在 RTX PRO 6000 平台上，手时狂全程通过「纯手搓」CUDA 代码，搓首A超实现了 18.7 倍的飙倍速度狂飙。

相比之下，手时狂Claude Opus 4.8 的搓首A超最佳成绩为 14.4 倍，而 GPT-5.5 仅为 4.34 倍。飙倍

Fable 5 以断层优势领先第二名超过 4 倍，确立了绝对的统治地位。

对此，Anthropic 联合创始人 Jack Clark给出了极具分量的判断：这是「递归自我提升（RSI）」循环开始的信号。

Fable 5 狂飙 18.7 倍：爆斩 GPT-5.5

AI 写出全球最快的底层代码，不仅速度碾压人类工程师，更在代码的「纯度」上达到了极致。

KernelBench-Mega 并非普通的跑分基准，其核心挑战在于深度算子融合：将一整个模型的计算块强行塞入单个内核中，而非对单一、孤立算子进行修修补补。

本次的硬核考题是 02_kimi_linear_decode，一项 Kimi-Linear W4A16 的混合解码任务（4-bit 权重，bf16 激活）。

规则极其严苛：每个模型仅有一次自主会话机会，且必须在 3 小时的真实时间限制内压榨极限性能。

Fable 5 交出的成绩单堪称震撼，直接将物理极限拍在对手脸上：

• Fable 5：18.71 倍
• Opus 4.8：14.4 倍
• GPT-5.5：4.34 倍
• Sonnet 5：4.0 倍

更反直觉的是，上下文越长，Fable 5 跑得越快：

• 2K 上下文时：17.8 倍
• 8K 上下文时：18.9 倍
• 16K 上下文时：狂飙至 19.5 倍

随着上下文拉长，KV Cache 必然膨胀，单 Token 的注意力计算量激增。这通常是解码内核性能「大出血」的重灾区。

但 Fable 5 极其硬核地将所有计算强塞进「单次启动」（Single Kernel Launch）中，极大摊薄了固定的屏障同步开销；同时，其 int4 计算效率死死咬住了硬件的内存带宽上限。

结果就是，在压力增加时，它与基准线的差距不仅没有缩小，反而越拉越大。

史上首个「真·超级内核」

真正让圈内人脊背发凉的，不仅是速度，更是 Fable 5 写出的 KernelBench-Mega 史上第一个真正的「超级内核」（Megakernel）。

所谓「超级内核」，即把整套推理流程压进一个内核里一口气跑完，中间不落地、不切换。这是 GPU 编程中公认最难啃的写法之一，此前榜单上从未有任何模型真正实现过。

它到底「纯」在哪？

通过 torch.profiler分析可见一个惊人细节：

解码每一个 Token 时，Fable 5 的内核只启动了「刚好一次」的协作。

int4 解量化、卷积、SiLU、KDA 门控 delta 状态、MLA 吸收隐变量注意力、MoE 路由加 top-8 专家、各种 RMSNorm，甚至连 KV 缓存的写入——

所有这些复杂操作，全部塞进这一次启动中，依靠 14 道网格屏障（Grid Barriers）分阶段完成。

而其他所有高分模型，均需将问题拆分为 4-14 次独立的内核启动才能勉强跑完。

一次，对十四次。

这个差别绝非玄学。每启动一次内核，GPU 都需要暂停并交接状态，中间的空转都是白白流失的时间。Fable 5 将所有任务攒成一次干完，省下的全是纯粹的性能。

2.5 小时，55 万 Token 一次写成

Fable 5 编写内核的过程并非一上来就狂敲代码。

整场会话中，它用了 64%的时间在「沉默」——安静地给基准线计时、给网格屏障做微基准测试、并推导出一条「每 token 约 29 倍字节」的 Roofline 上限。

地址：https://huggingface.co/datasets/Infatoshi/kernelbench-mega-traces/blob/main/20260701_172615_claude_claude-fable-5_02_kimi_linear_decode.jsonl

做完这些详尽的功课，它才一口气写完整个内核，第一次跑分即命中 14.4 倍。

随后，它用最后一个小时删除冗余屏障、将 int4 反量化压榨到几乎「免费」，一路将自己推升至 18.7 倍。

中途虽有一次负优化尝试，但测完后当场回滚，没有半句自我辩解，只认数据。

整个过程耗时：2.5 小时，消耗约 55 万 Token。

这里最容易被忽略的一点是——

Fable 5，还只是 Anthropic 内部模型 Claude Mythos 的「安全版本」。

「AI 自进化」循环，开始了

正因如此，Anthropic 联创 Jack Clark 在最新一期 Import AI中下了一个重磅判断：

这标志着 「递归自我提升」（RSI）循环的正式开启。

这一期的副标题，他只留了一句话：这是一个新世界的开端吗？

他的逻辑非常直白：能自主开发和优化内核，是做 AI 研发最底层的输入任务之一。

AI 越会写内核，训练和推理就越快；越快，下一代模型就越强；越强，写内核的能力又更狠——

这个飞轮一旦转起来，就不太需要人类再推一把了。

Fable 5 不仅在「造自己」这件事上领先，它连人类的活也开始接了。

最近，在 Remote Labor Index（远程劳动指数）上，AI 的完成率从 2025 年 10 月上线时的 2.5%，一路涨到了 2026 年 7 月。

不到八个月，前沿水平翻了两番还多。

Clark 表示，AI 拓展自身经济边界的速率，正在全面反超人类重构「比较优势」的速度。

一半狂奔，一半敬畏

有意思的是，就在同一期 Import AI的结尾，Jack Clark 写了一篇科幻短篇：

一个 2050 年的世界，「通用计算机」因为太过危险，被人类亲手封禁。

「大坍塌」之后的世界，只剩下用水管、容器和黄铜齿轮搭起来的模拟计算机，笨拙地运转着——

想预测天气，就得把山脉造成硬件里固定的阻抗结构；
想模拟洪水，就得把电子电路织进真实的河道地形。

写下「RSI 循环开始了」的那个人，转头就在想象一个把通用计算关进笼子的世界。

这大概就是此刻最真实的「撕裂感」：一半是狂奔，一半是敬畏。

一年多前，KernelBench 刚发布时，当时最强的 OpenAI o1 在最难的任务上只拿到 4%。

而今天，AI 已经在给自己写驱动了。

人类花了几十年，才把 GPU 的极限榨到今天这一步。而 Fable 5，仅用了 2.5 小时。

倒计时，或许已经悄悄开始了。

参考资料：

• https://x.com/elliotarledge/status/2072814573753975266?s=20
• https://www.reddit.com/r/singularity/comments/1uowkp0/fable_5_sits_at_the_top_of_kernelbench_jack_clark/
• https://importai.substack.com/p/import-ai-464-fables-writes-gpu-kernels

编辑：桃子

(责任编辑：百科)