18个模型断网自主科研8天，Fable5追回人类82%差距
新智元 · wechat · 2026-08-17
PrimeIntellect 发布迄今规模最大的前沿模型自主科研实验：18 个顶尖大模型在断网沙盒（bwrap+网络命名空间，每场独占 8×H200 节点）中完全自主运行 8 天，挑战 nanoGPT 优化器速通赛道——不改架构、不动数据，用最少训练步数把 GPT 训到验证损失 3.28。人类纪录是几十位工程师数月死磕出的 2600 步，AI 起点为 3290 步；纪录需在 8 个固定种子上复验（蒙对概率仅千分之一），并有独立 LLM 监督员每小时审计，未发现作弊。最终 Fable5 跑到 2726 步、追回 82% 差距，Opus5 追回 54%，垫底的 GPT-5.5 仅 8%；统一预算横比（同等时间/实验数/token）后排序几乎不变，领先靠的不是堆时间。
最反直觉的发现：没有一个模型发明全新方法，胜负全在实验方法论。弱模型的典型毛病是单种子负结果就判整族方法死刑、把自己的代码崩溃当成「想法不行」；强模型则先用 3 个种子试探、值得才上 8 个种子，并在每次合并后回头重测整个技术栈——Opus5 靠重调早被弃用的 β2 参数拿下纪录，Fable5 靠测试「单独更差、组合更优」的改动一次省下 31 步。模型还自发在 CPU 上搭模拟实验室先摸规律再上 GPU；GPT-5.6 Sol 给自己组了三人多 Agent 研究团队，因共享目录互相覆盖而翻车，随后用「只读合约」修复协作。
文章将结果对照 OpenAI 首席科学家 Pachocki 的路线图（今年 9 月自主研究实习生、2028 年全自动多 Agent 研究系统）与 Anthropic 联创 Jack Clark「2028 年底递归自我改进概率超 60%」的预测：那 99% 的汗水，AI 已干掉 82%；但 1% 的灵感——全新算法创新——暂时还是人类的护城河。
所属事件:Prime Intellect 公布最大规模自主研究实验结果(16 条相关)→
「漫话AGI」频道最新
- 持续学习一旦普及，本地权重副本将让安全护栏失效 — AashaySachdeva · 2026-08-17
- 为何AI颠覆了办公却难改消费端？ — andrewchen · 2026-08-17
- Free Money Party 拟 2028 年推全民收入 — davidpattersonx · 2026-08-17
- 机器改进机器的反馈 loop 值得更多关注 — VraserX · 2026-08-17
- 雨果奖获奖科幻：想看猫图的善意AI — DynamicWebPaige · 2026-08-17
- AI安全专家呼吁：行业需从依赖个人转向制度化监管 — Miles_Brundage · 2026-08-17