跳到主要內容
2026-10-31 日報
研究與評測

中國大模型推進 RSI 工程落地:智譜以 AI 接管 10 萬卡推論系統,DeepSeek 日產 300 萬個沙盒

AI 科技評論單一來源
尚未逐項核實

目前依單一來源整理,這是來源數量描述,不是對消息真假的判定。

據《AI 科技評論》報導,中國大模型廠商正加速投入「遞歸自我改進」(RSI)的工程系統建設。上海交大、清華、字節跳動與商湯等機構日前在論文《The Last AI Built by Humans》中將 RSI 劃分為 L1 至 L5 級別,指出前沿系統多處於 L1 至 L2 的過渡期;目前各廠商並未直接讓 AI 修改模型權重,而是聚焦於外圍的訓練架構、推論系統、算子與 Harness 等基礎設施的自我演進。 在推論與排程層面,智譜披露由 GLM-5.3 驅動的「Infra Agent」接管了 10 萬張國產晶片叢集,在兩週內完成 GLM-5.3-Flash 生產級推論服務部署,將端到端吞吐量拉升至基準的 3.2 倍,硬體利用率與 Token 成本追平主流 NVIDIA GPU,上線 6 天內處理逾 62 兆 Token;清華與智譜亦發表 HarnessPro 框架,透過專職 Agent 分工調整排程代碼,在高難度程式碼任務通過率提升的同時,將單任務成本削減 53%。 在環境建構與底層軟體方面,DeepSeek 聯手清華建立自動化沙盒叢集 DSec,以 3 萬核 CPU 與 250TB 記憶體為底座,日均生成約 300 萬個支援四檔隔離的沙盒環境;其開源的 DeepSeek Harness 則搭配與北大合作的 Cordis 機制,支援模組不停機熱插拔與出錯回滾。面壁智能的「鍛造工程」(Forge Engineering)則專注由 AI 編寫底層軟體:預訓練框架 ForgeTrain 耗時 8 小時追平 Megatron-LM 基準、2.5 天實現超越;ForgeKernel 算子系統在昇騰 950 測試中達到第 2 名的 1.6 至 5 倍加速比,位列華為與 NVIDIA 算子榜首位。 在自主長程任務方面,月之暗面為參數量 2.8 兆的 Kimi K3 建立基於 Firecracker 微型虛擬機的 AgentEnv 沙盒系統,累計建立逾 5,100 萬個沙盒,並透過駐場 Agent 自動以歷史預案處理梯度異常。在 Hillclimb 發布的 48 小時科研基準 DeepRSI 中,Kimi K3 以 820 分位居全球第 3(僅次於 Claude Fable 5.1 與 GPT-6 Astra,超越 Grok 4.7 與 Gemini 3.8 Flash),測試成本為 159 美元;不過報導亦指出,後續 K3.1 Pro 上線後因放開子 Agent 自主權導致調用失控與額度虛耗,官方隨後緊急調整調用架構並補償訂閱用戶 25% 額度。
讀原始報導