文字大小
動察 Beating AI 快訊，Databricks 團隊稱，他們把 GPT-6 Astra 和 Opus 5 放進自動優化循環，讓模型持續重寫、測試和改進 GPU kernel，最終在 NVIDIA SOL-ExecBench 的四個賽道全部排到第一。這個基準包含 235 個 GPU kernel 任務，覆蓋基礎算子、複雜融合算子、低精度計算和真實大模型推理。團隊稱，整個過程的模型 Token 花費約 7 萬美元。
這套系統建立在 KDA 和 Humanize 之上，讓 AI 自己寫 kernel、跑正確性和性能測試，再根據結果不斷修改。KDA 團隊近期還把類似方法用在 Kimi Delta Attention 上，在 NVIDIA B300 上做到月之暗面官方 FlashKDA 的 2.96 倍速度。
兩項成果屬於同一套 Agent 內核優化體系的不同應用。Kimi 展示的是一個高難度注意力內核能被 AI 重寫；Databricks 這次則把這種方法擴展到了數百個不同 kernel。