Claude Opus5.5跑Singularity-Bench:延迟12秒降至半秒

资讯 AI 开发者社区 作者:编程导航 全文 549 字 · 约 2 分钟读完 配图 1 张 分类Claude前沿模型Anthropic智能体

人工智能智能体能否自己动手搭建和强化 AI 研发基础设施,正在成为衡量前沿模型自主能力的重要标尺。卡内基梅隆大学等机构的研究人员近日推出了 Singularity-Bench 基准测试,专门设置六道与 AI 研发相关的考题,考察智能体自主构建 AI 研发能力的水平。在这场测试中,Claude Opu

所属频道 大厂动态智能体与 AgentClaude 与 Anthropic

前沿模型的自主能力该怎么衡量?一个观察角度是看AI智能体能不能自己动手搭起并强化AI研发所需的基础设施。卡内基梅隆大学等机构的研究人员近日拿出了一套名为 Singularity-Bench 的基准测试,围绕 AI 研发设了六道考题,用来检验智能体自主构建 AI 研发能力的水平。测试中,Claude Opus5.5 搭配 Claude Code 跑出了相当亮眼的成绩。

延迟被大幅压了下来,调度优化也让硬件产出变高

模型推理性能这一块,这套组合的工程优化效果很突出。同样的硬件条件下,Claude 自研的推理引擎把 P90 首 token 延迟从成熟推理引擎 SGLang 的约 12 秒压到了 0.48 秒。

首字响应速度之外,这个推理引擎还靠优化调度等手段,把整体处理效率和显卡产出表现又往上推了一截。

六道题五胜一平,总分反超人类基线,自我改进还在早期

Singularity-Bench 给出的六项 AI 研发考题里,Claude Opus5.5 与 Claude Code 的组合最后拿下五胜一平,也是唯一总分超过人类基线的参赛组合。

研究人员同时点出了眼下测试的边界:当前任务范围仍由人来划定,离真正意义上的 AI 递归自我改进,还得靠后续不断探索和验证。


本文由本站编辑组整理与排版,内容基于公开信息核实后归纳发布,与文中提及的产品、公司无隶属关系。我们持续跟踪 AI 领域的模型、产品与行业动态,力求信息准确、表述清晰;文中涉及的名称、价格与功能细节可能随官方调整而变化,请以官方最新说明为准。如发现疏漏或表述有误,欢迎通过站内渠道反馈指正。

相关推荐 按相关度与热度排序

全部资讯 →
  1. Claude推理引擎实测:首token延迟从12秒压到0.48秒

    人工智能智能体能否自主搭建并强化AI研发基础设施,正成为衡量前沿模型自主能力的重要标尺。卡内基梅隆大学等推出Singularity-Bench基准,设六道AI研发考题,考察其自主构建能力。测试中,Claude Opus5.5搭配Claude Code表现亮眼,在模型推理性能层实现延迟大幅压缩,并通过调度优化提升硬件产出

    来源 AI 产业速递
  2. Claude自写推理引擎:首个字等待从12秒缩到半秒

    新智元报道 你让AI帮忙修一个登录报错。照着它的建议改完代码,你重新跑了一遍登录测试。终端又弹出一行红字,报的还是同一个错。你把新日志贴进对话框,再按下回车,等AI告诉你下一步查哪儿。修一个bug,往往要这样来回折腾几轮。每次提交问题后,你要等多久,才能看到AI回的第一个字?最近,有人拿真实编程会话做了个测试...

    来源 腾讯网
  3. Claude Fable 5.2攻克黑洞物理:20年计算收尾,界值锁定9.1266

    2026年11月17日,Anthropic公布Claude Fable 5.2解决了黑洞物理领域两个长期未解问题:一是完成了理论物理学家2003年搭好框架却未能算完的霍金-佩奇相变计算,二是将模块化自举方法的精确上界锁定为c/9.1266,优于此前人类得出的c/8.5。两篇论文由Claude在"极少指导"下独

    来源 AI 科技快讯
  4. Snapchat Easy Lens CLI上线:AI助手可建AR滤镜

    11月18日(周三), Snapchat 宣布推出 Easy Lens CLI ,允许AR滤镜创作者直接调用 Claude Code 、Cursor和Codex等AI编码助手构建核心特效Lens,旨在降低AR内容创作门槛并将平台融入开发者现有工作流。 该工具基于网页与移动端单提示词生成滤镜的 Eas

    来源 AI 开发者社区
  5. “同样任务更便宜更好”:微软公开叫板 Claude 和 ChatGPT

    据彭博社,微软商业业务CEO阿尔索夫在Ignite大会称,Claude或ChatGPT能做的,Copilot都能做得更好且成本更低。微软委托研究称,Copilot用户支出显著低于两者,企业可基础任务用固定订阅、复杂工作按用量付费。截至6月,Copilot付费用户超3000万,但相较4.5亿潜在盘子仍远未吃透。

    来源 AI 产业速递
  6. GPT-6.2自己造出全新证法,94分钟拿下20年前顶刊定理首证

    刚刚,第三方评测机构Vals AI放出了高难数学基准Autoform-Hard的最新榜单。 56道博士与科研级数学难题,此前10个前沿大模型去测,结果一道都没做出来。 而在这轮测试里,Claude Fable 5.2和GPT-6.2 Sol双双做对48道,打成平手。 唯独GPT-6.2 Astra多做对了第49道题,拿

    来源 AI 行业观察
  7. 苹果AI新布局:自研智能体操控Mac,对标四款竞品

    TechCrunch报道称,苹果似乎正在开发可在Mac上自主执行任务的AI智能体,直接对标Meta Muse、Instinct、Claude与OpenAI Dots等产品。这标志着苹果的AI战略正从Siri式的语音助手,转向能够理解目标、拆解步骤并操作用户界面的“行动型AI”。凭借软硬件一体化与端侧算力优势,

    来源 AI 科技快讯
  8. Anthropic IPO股权曝光:亚马逊持股14.7%,谷歌13.7%

    11月17日(周二), Anthropic 披露了与其核心云服务商 亚马逊 和 谷歌 达成的最大投资协议细节,明确在 首次公开募股 后,亚马逊与谷歌将分别持有其14.7%和13.7%的股份,合计接近30%。 亚马逊在2023年至2024年(Claude Code席卷企业界前、Anthropic尚处O

    来源 AI 开发者社区
  9. 苹果自研AI智能体曝光:让它替你操作Mac

    TechCrunch报道称,苹果似乎正在开发可在Mac上自主执行任务的AI智能体,直接对标Meta Muse、Instinct、Claude与OpenAI Dots等产品。这标志着苹果的AI战略正从Siri式的语音助手,转向能够理解目标、拆解步骤并操作用户界面的“行动型AI”。凭借软硬件一体化与端侧算力优势,苹果有机会

    来源 AI 行业观察
  10. Anthropic CEO敲响纳斯达克:AI发展不能只踩油门

    在纳斯达克开市钟仪式上,Anthropic首席执行官达里奥·阿莫代重申公司对“控制AI发展节奏”的承诺,强调无论面临商业诱惑还是政治压力,都不会为抢先发布而牺牲安全评估。这一表态出现在前沿模型竞赛白热化、华盛顿监管博弈升温的节点上,被解读为对“加速主义”的一次公开回应。

    来源 AI 科技快讯
  11. OpenAI开放GPT-Live-1.1 API:实时双向对话,智能体边聊边干活

    OpenAI 今日宣布向开发者开放 GPT-Live-1.1 API 语音模型,允许第三方开发者将其集成到自己的应用程序中,构建能够实时聆听、回应并执行复杂任务的 AI 语音智能体。 据 OpenAI 介绍,GPT-Live-1.1 是 GPT-Live-1 的升级版本,具备全双工语音交互能力,可以

    来源 AI 开发者社区
  12. 谷歌Gemini登陆Mac:AI代理代操作电脑,桌面入口争夺战开跑?

    谷歌为Gemini推出面向Mac的重磅更新,首次将可执行任务的AI代理引入桌面端,能够整理文件、填写表单并完成多步骤工作流。这标志着Gemini从对话助手向“能动手”的操作型智能体进化,也意味着谷歌在桌面AI代理赛道正式与OpenAI、Anthropic和微软正面交锋。与此同时,桌面自动化带来的便利与隐私风险,也成为用

    来源 AI 行业观察
  13. Anthropic登陆纳斯达克,专家郑天航直言大模型安全评估体系尚不成熟

    当地时间11月19日,开发Claude语言大模型的美国人工智能企业Anthropic公司,在美国纳斯达克交易所挂牌上市,首次公开募股融资金额超810亿美元,超过Space X在今年6月创下的750亿美元的历史最高纪录,成为全球最大IPO。从成立之初,Anthropic就强调自己与其他AI公司的不同之处在于“安全和责任”

    来源 腾讯网
  14. 苹果自研AI智能体曝光:招聘信息透露产品方向,对手已抢先落地

    苹果公司正开发自家AI智能体,以期与OpenAI、Anthropic竞争。11月19日,据彭博报道,苹果公司正在开发一款能够代替用户完成任务的自主人工智能智能体,正式进军由OpenAI、Anthropic、Meta等公司激烈角逐的赛道。此前11月18日苹果官网新增一条招聘信息,透露公司正在寻找一名高级工程经理,负责一款

    来源 腾讯网
  15. 苹果自研AI智能体:可操纵设备写代码,2027年推服务未定

    IT之家 11 月 20 日消息,彭博社马克 · 古尔曼(Mark Gurman)今日报道称,苹果正在开发自主 AI 智能体,计划让 AI 代替用户执行设备操控、应用操作、网页浏览和软件编程等任务,进一步进入由 OpenAI、Anthropic、Meta 等公司参与竞争的 AI 智能体市场。古尔曼发现,苹果已经在官网发

    来源 腾讯网
  16. cinecode用代码渲染视频:确定性输出告别AI抽卡

    土耳其开发者开源的 cinecode 技能包,能在 Claude Code 或 Cursor 中运行。它不依赖付费的视频生成 API,而是通过 three.js 和 Canvas 2D 逐帧代码渲染画面,配合自动剧本、专业运镜和 Web Audio 声音设计,输出带配乐的 MP4。支持快速短片和长片审批两种模式,彻底解

    来源 AI 应用前沿
  17. 苹果招募智能体工程师:要让AI写代码、控设备,最早明年底上线

    AI正从被动问答转向主动执行,科技巨头加速布局自主智能体。苹果也在开发能代表用户完成任务的自主AI智能体,切入由OpenAI、Anthropic、Meta等占据的高增长市场。其官网招聘信息印证该动向,岗位要求透露核心能力包括写代码、浏览网页与操控设备,显示苹果正推进相关项目。

    来源 AI 产业速递
  18. Anthropic纳斯达克上市:开盘涨34.3%,市值盘中破2万亿美元

    11月20日消息,Claude开发商Anthropic于当地时间19日在纳斯达克挂牌交易,股票代码为“ANT”。公司以111.50美元开盘,较83美元的发行价上涨约34.3%。计入期权、限制性股票等潜在股份后,公司的完全摊薄估值盘中一度突破2万亿美元,随后股价涨幅收窄。 截至收盘,股价报97.17美元,较发行价上涨约1

    来源 AI 行业观察
  19. 微软高管:Claude 和 ChatGPT 能做的,Copilot 能做的更好且更便宜

    IT之家 11 月 19 日消息,据彭博社报道,微软表示,企业客户之所以选择旗下 Copilot 人工智能助手,而不是 Anthropic 的 Claude 和 OpenAI 的 ChatGPT,一个重要原因是 Copilot 的使用成本更低。 微软商业业务首席执行官贾德森 · 阿尔索夫(Judson Althoff)

    来源 AI 行业观察
  20. OpenAI 开放 GPT-Live-1.1 API:开发者可接入实时双向语音对话

    IT之家 11 月 20 日消息,OpenAI 今日宣布向开发者开放 GPT-Live-1.1 API 语音模型,允许第三方开发者将其集成到自己的应用程序中,构建能够实时聆听、回应并执行复杂任务的 AI 语音智能体。据 OpenAI 介绍,GPT-Live-1.1 是 GPT-Live-1 的升级版本,具备全双工语音交

    来源 腾讯网
向下滚动自动加载更多