NanoGPT 优化赛跑评测：18 个前沿模型的 153 次自主运行结果全开源
samsja19 · x · 2026-08-16
PrimeIntellect 发布了 NanoGPT 优化器赛跑的完整评测结果与追踪数据。测试覆盖了 18 个前沿模型（包括 GPT-5.6、Claude、DeepSeek V4、Kimi K3 等）的 153 次自主运行。榜单记录了各模型在 24 小时内实现的最佳验证损失、已闭合的测试用例百分比以及代码执行轨迹，所有工具调用和生成的文件均已公开，便于复现与分析。
所属事件:Prime Intellect 最大规模 AI 自主研究实验：18 模型 153 次运行，Fable 5 缩小 82% 人类差距(18 条相关)→
「编程与Agent」频道最新
- 产品要做「两次销售」：先让 Agent 选中，再让人买单 — FinanceYF5 · 2026-10-16
- Sentry CEO 晒图：AI 实习生在 code review 里反驳人类同事 — zeeg · 2026-10-16
- SWE-Duel:让编码 agent 互相出题埋 bug 的抗污染竞技场 — Consistent_Fox_2990 · 2026-10-16
- 把 Claude Code 等 agent 轨迹攒成数据集，微调开源小模型 — Rasmic · 2026-10-16
- LangChain 工程师：仅靠生产 traces 自动生成 evals 远远不够 — BraceSproul · 2026-10-16
- Rebasely 公测：为人和 Agent 共写代码打造的新 Git 托管 — handotdev · 2026-10-16