18 模型自主研究实验：Fable 5 缩小 82% 性能差距

eliebakouch · x · 2026-08-16

Prime Intellect 开展了目前最大规模的 AI 自主研究实验，在 nanoGPT 优化任务上运行了 153 次自主运行，测试了 18 个前沿模型。实验环境为 8xH200，单次运行最长 8 天，相比之下 OpenAI 和 Anthropic 的类似内部评估仅运行不到一天。结果显示，虽然噪声较大，但模型间存在显著能力差距：Fable 5 表现最佳，缩小了人类记录 82% 的差距，Kimi K3 也很强。模型并未提出根本性新方法，优秀胜出方案仍基于现有文献组合。