Databricks 利用大模型智能体登顶英伟达 GPU 内核基准全部赛道

Databricks 宣布利用前沿大模型构建的自主迭代智能体，在英伟达 SOL-ExecBench 内核评测榜单的全部 4 个赛道中取得第一名，反映了 AI 自主编写 GPU 底层内核的工程潜力。

• 研发团队将 GPT-6 Astra 与 Claude 3.5 Sonnet 等前沿闭源模型接入自爬坡优化循环，实现代码生成、执行反馈与自动微调的闭环。
• 评测涉及的 4 个赛道覆盖不同复杂度的 GPU 内核优化任务，智能体在整体生成质量与运行效率上超过了基准中的人类工程师基线。
• 整个优化过程消耗 token 成本约 7 万美元，团队指出当前顶级闭源模型在底层 GPU 汇编与算子编写上仍保持对开源模型的优势。
• 影响/看点：该成果意味着基于反馈循环的代码智能体正在渗透至硬件加速算子等高门槛底层系统开发领域，但该流程的商业化普及受制于高昂的 token 试错成本以及在生产异构硬件环境中的可维护性。
• 资料依据：
• NVIDIA SOL-ExecBench 官方评测库（2026-09-29）：https://github.com/NVIDIA/SOL-ExecBench
• X：Yuchen Jin（2026-09-29）：https://x.com/Yuchenj_UW/status/2104771205421289551

本内容由 AI 生成，仅供参考，请注意甄别