Opus 5.5联手Claude Code自建AI基建,性能反超SGLang与NVIDIA Dynamo
英伟达沦为背景板!Opus5.5亲手搓AI基建,人类基线失守
新智元报道
新智元报道

一周时间不到,黄仁勋与英伟达几乎「净身出户」的说法在网上被反复刷屏。围观的人还没散场,卡内基梅隆大学(CMU)新发的一篇论文又让AI工程师们愣住了。
论文的核心结论很直接:超级智能已经能自己搭起算力底座并加以优化,通往奇点所需的技能或许已经具备。这里说的奇点,指的更多是「递归自我改进」——智能体能够递归地改进自身生命周期的每一个阶段。
具体做法写在论文里:
Opus 5.5 加上 Claude Code,自己动手搭出了预训练流水线、推理引擎和集群编排器这类 AI Infra。
跑在同一批 GPU 上,这套由 AI「手搓」的系统性能追平了人类工程师引以为傲的 SGLang、NVIDIA Dynamo 等生产级工具,甚至直接实现反超。

研究人员的说法很直接:
11个智能体由7个前沿模型加2个运行框架搭成。其中Opus 5.5搭配
Claude Code,六项任务全部达到或超过人类基线,奇点指数为1.25。照这个结果看,它或许已经拿到了通往奇点所需的技能。
这些年AI跑分榜单出过无数个。可Singularity-Bench(奇点基准测试)这个名字,确实让人一听就精神一振。
上一个同样先声夺人的Benchmark,是Humanity's Last Exam(简称HLE)。这个名字可以理解成「人类最后的考试」,也可以读作「人性最后的考验」。
HLE和多数Benchmark的路子差不多,考的是AI面对人类知识前沿时的推理、理解以及跨学科能力。
奇点基准测试不一样。它往AI工业界的深处扎,盯的是底层基础设施建设。
Singularity-Bench给智能体(Agent)出了6项端到端的超高难度任务,从「模型预训练」一直铺到「高并发服务引擎开发」,全流程都覆盖。

这六项端到端任务分别是「预训练、中期训练、后训练、推理、智能体运行框架和集群编排」。每一项都要求智能体从极简起点把核心系统做出来,再放到相同硬件上,与成熟的人类工程基线对比评估。
放到现实场景里看,这 6 项任务往往要凑齐一支十几人的专家队伍,系统工程师、CUDA 优化专家、分布式计算大佬一个都不能少,还得连轴转上几个月,甚至大半年才可能跑通。
光懂高层架构远远不够,显存管理、算子融合、硬件通信这些底层功夫也得极精通,门槛相当硬核。
过去大家默认,这种活儿只有年薪百万美金的天才接得住,比如马斯克和 OpenAI 抢得头破血流的那批「10倍工程师」。
不过 CMU 偏偏把 Opus 5.5 和 Claude Code 送进了这个考场。

公平性方面,所有结果都跑在同一批 GPU 上,与当下人类最强的生产系统背靠背对比,包括广泛使用的 SGLang 和英伟达自家工具。
最终,Opus 5.5 交出的成绩是「横扫千军」。
其余 10 个参与测试的 AI 智能体面对这种地狱级底层任务全部败下阵来,平均得分只有 0.58;GPT-6.1 Sol 差一点就够到,得分 0.969。
不过,Opus 5.5 交出的最终成绩是 1.25。

在 Singularity-Index(奇点指数)这套评分规则里,「人类基线」定在 1.0。
换句话说,达到当下人类最强开源工具或商业工具的水准,就能拿到 1 分;Opus 却做到了你的 1.25 倍。
它不只是拿满分数,还把人类的天花板捅穿了,写出的代码比人类顶级项目更胜一筹。

这篇论文里最让人坐不住的,是那本「经济账」。
研究团队在真实商业场景中考察了这些推理引擎的赚钱能力——把每 GPU 小时的有效吞吐量换算成美元收入。
人类阵营这边,当前火热的推理框架 SGLang 算是优秀代表,表现一直很稳。
按模拟计费方式,在特定测试负载下,它每 GPU 小时能带来 8.18 美元收益。这基本就是眼下行业主流的产出水平。
那 Opus 5.5「手搓」出来的服务引擎,成绩如何?
11.52 美元。

11.52 减 8.18,单卡每小时也就多出 3.34 美元,看着不起眼。
可真正会算 AI 算力账的人,瞅见这个差额,多半要倒吸一口凉气。
超级算力的世界里,所有收益都得乘上规模。
不妨算笔简单的账。
设想某家科技巨头手握一座 10 万张 GPU 的超大智算中心。
底层跑的是人类工程师写的 SGLang 或同类系统,这个集群一天进账:10万 × 24小时 × 8.18美元 = 1963.2 万美元。
换成 Opus 5.5 编写的引擎来撑底层系统,一天收入涨到:10万 × 24小时 × 11.52美元 = 2764.8 万美元。
折算下来,一天多出 800 万美元,一年就是 29 亿美元。
换句话说,产能不用去找台积电加,新一代显卡也不用抢破头。只要多用一个超级智能体,算力集群就凭空多出近 40% 的吞吐能力。
这 40% 的性能差,就是生与死的分界线。
另外 5 个测试任务里,预训练、中期训练、智能体运行框架和集群编排上,Opus 5 都压过人类一头。后训练这一项,人类基线几乎打平,只落后 0.6%。

集群编排任务就是例子。英伟达的 Dynamo 等工具成了背景板,被 Opus 5.5 碾压。

Opus 5.5 说明了一件事:机器比人类更懂机器。
人类工程师写代码,会受认知、代码可读性和架构惯性的限制。AI 不一样,它能直接冲着硅基硬件的物理极限去,把排列组合做到高效。


Singularity-Bench 这个名字,起得很有讲究。
Singularity,说的就是奇点。
天体物理学里,奇点位于黑洞中心,那里引力大到无穷,所有已知物理定律都会失灵。
科技史上,奇点指的是机器智能超过人类智能的那一瞬间,从那以后,人类现有的推演逻辑就彻底不管用了。
CMU 这篇论文,可能已经点燃了奇点警报的引信。
得分是 1.25 对 1.0,收益是 11.52 美元对 8.18 美元。
这些冷冰冰的数字说明了一件事,没有商量余地:在机器的世界里,机器握有的权力正比人类更多。
媒体和公众的注意力还牢牢锁在各位大佬的豪门恩怨和权谋大戏上,还在为谁坐硅谷的王座争个不停。
而在那些嗡嗡作响的恒温机房里,超级智能已经自己把工具箱拎了起来。
碳基生物聊的八卦,硅基智能不搭理,只管朝着奇点一路狂奔。
参考资料: