11 月 20 日,卡内基梅隆大学等机构的研究人员发布 Singularity-Bench 基准,用六道 AI 研发相关考题考察智能体自主构建研发能力的能力。在这场测试里,Claude Opus 5.5 搭配 Claude Code 拿到五胜一平,同时其自研推理引擎在同等硬件下把 P90 首 token 延迟从 SGLang 的约 12 秒压缩到 0.48 秒。
延迟压缩来自哪里
这轮工程优化的重点不在模型本身,而在调度环节。除了首字响应速度跨越式缩短,团队还通过调度优化进一步提升了整体处理效率与显卡产出表现。同硬件条件下,成熟推理引擎 SGLang 的 P90 首 token 延迟约为 12 秒,而 Claude 这套自研引擎压到 0.48 秒,差距接近 25 倍。基准设计本身也指向一个判断标准: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。
六道题考的是什么
Singularity-Bench 专门设置六道与 AI 研发相关的考题,考察的是智能体能不能自己搭建和强化 AI 研发基础设施,涉及的基础设施搭建方向包括代码、算力与工具链的自主配置。Claude Opus 5.5 与 Claude Code 的组合最终取得五胜一平的战绩,成为榜单上反超人类基线的成绩。不过研究人员也划出了边界,现阶段任务范围仍由人类划定,距离真正意义上的 AI 递归自我改进还有待后续验证。想了解 Claude Code 的工程细节,可以参考 Claude Code Code Mode 怎么开:36 条修复与 2 小时后台。
延伸阅读
- Anthropic Opus 5.5发布:追平Fable 5.1,成本比上代低40%1 月前
- AI安全哲学的正面碰撞:黄仁勋零容忍 vs 奥特曼风险管理1 月前
- 白宫恢复英国AI安全研究所权限:Anthropic曾限制Claude Mythos 5.11 月前
- DeepSeek融资至少120亿美元:腾讯/CATL领投,估值750亿冲刺科创板IPO1 月前
AI 自学笔记 每天更新 AI 前沿动态,订阅 RSS,或按 Ctrl/⌘+D 收藏本站,明天见。
继续读
往下这几篇值得接着看:
- Anthropic IPO 定价 83 美元:估值 1.5 万亿美元2026-11-19
- Claude Code 上线 Code Mode:一次调用串起多个工具2026-11-18
- Anthropic IPO 定价 83 美元:1.09 万亿市值与 352.8 亿营收深度2026-11-19
想快速查定义?对应的词条在这里:
- Anthropic词条 · AI 自学笔记
- Claude Sonnet词条 · AI 自学笔记
