18 个前沿模型自主优化 speedrun，模型间差距贯穿全程

Prime Intellect 发布了 nanoGPT 优化 speedrun 的大规模自主实验：对 **18 个前沿模型** 跑了 **153 次** 自主运行，单次最长 8 天、每次 8 块 H200，完整轨迹含工具调用、subagent 和 scratchpad 全部公开。他们称这是此规模下首个公开的同类实验。

结果分差极大：**Claude Fable 5** 以 2,726 步验证成绩、**81.7% 胜率**拔得头筹，Opus 5 与 Kimi K3 分别以 53.6% 和 52.2% 紧随其后，后续模型胜率迅速滑落。更关键的是，没有任何运行产出根本性新方法，获胜成分均与已知文献相近；模型间的差距出现在实验选择、执行细致度和解读噪声结果的每个阶段。

💡 为什么值得看153 次运行公开轨迹，Fable 5 胜率 81.7% 断层领先，差在执行细节。