西门无恨Qwen3.8，登顶英伟达榜单！_我的网站
一 | 近日，京津冀“世界杯”主题责任彩票宣传月以及世界杯主题活动在三地如火如荼的开展。 智东西（公众号：zhidxcom） 作者 | 程茜 编辑 | 云鹏 智东西7月22日报道，昨日，阿里千问最新发布的Qwen3.8预览版模型在英伟达评估AI进行算子优化的榜单上登顶，排名超过腾讯混元、人类开发者、Cursor。北京、天津、河北体彩中心深化跨区域责任彩票建设协同联动，采用“全域联合宣传+地方特色深耕”双向传播模式，打破传统宣传固化思路，以年轻化、本土化、场景化表达实现宣传的提质破圈，全方位筑牢世界杯赛事期间的购彩安全防线。区域联动发声 打造一体化宣传格局本次京津冀“世界杯”主题责任彩票宣传月打破省市地域传播壁垒，构建京津冀“步调一致、资源互通、流量共享”的一体化宣传格局。 榜单中SOL得分指的是GPU的峰值算力与HBM带宽共同决定的理论性能极限。模型这一分数越接近1，代表其生成和优化GPU算子能力越接近理论极限，可以在无需人类标注的情况下，通过与真实硬件环境的交互，自主产生训练信号、评估自身输出质量并持续改进算子。宣传月启动之初，京津冀三地体彩中心在官方微信同步发布“绿荫不负热爱 体彩安心护航”主题海报，正式宣告本次京津冀责任彩票宣传月全面启动。 这一榜单中排名第二的是腾讯混元Hyra、排名第四的是人类开发者Amir M. Mir、排名第六的是美国AI创企doubleAI的全自动GPU内核生成智能体系统、排名第十的是AI编程独角兽Cursor，其他项目暂未找到公开打榜记录。三地体彩依托本土文化特色，融合城市地标、特色美食、体育场馆等地域元素，联合推出《跟着乐小星开启京津冀“安心游”》创意长图、系列海报等宣传。为精准触达青年群体，三地体彩中心联合发布《京津冀安心购彩主题曲》，将赛事期间常见涉彩骗局改编为朗朗上口的潮流旋律，以通俗易懂、传唱度高的视听内容，让温暖走心的责任之声传遍京津冀全域。为扩大宣传声量，邀请三地权威媒体、优秀运动员、公安民警代表发布《京津冀“世界杯”主题责任彩票宣传月联合倡议》，向广大购彩者及球迷传递出安心购彩理念，凝聚起全民“安心购彩 守护热爱”的责任共识。 SOL-ExecBench榜单是今年3月，英伟达推出的GPU CUDA Kernel内核优化基准评测套件，面向Blackwell B200架构专门用来评测AI智能体、编译器、自动内核生成工具写出的GPU算子性能。
二 | Qwen3.8登顶的FlashInfer-Bench子集，就是专门用于测试和优化大语言模型推理系统中的GPU算子。《京津冀安心购彩主题曲》
三 | 7月19日，阿里千问大模型团队宣布将很快发布并开源Qwen3.8。该模型参数2.4T，可能是除了Fable 5外最强大的模型。
四 | 昨晚，Qwen3.8-Max-Preview更新，前端（WebDev）表现更好。北京体彩通过前置排查、公益科普、微电影警示及媒体联动等立体化举措，全方位筑牢合规经营与反诈防骗的安全防线。源头管控方面，北京体彩前置风控关口，不仅邀请反诈民警对从业人员开展专项培训，还引入第三方机构排查实体店安全隐患，并由市体育局领导带队开展夜巡，严查违规销售，织密常态化风控网络。公众引导方面，北京体彩深入多地联通营业厅开展“安心购彩”公益科普，联合民警普及理性购彩与反诈知识。 一、从124个模型中提取，共235项CUDA内核优化任务 随着AI智能体生成与优化GPU内核的能力持续增强，现有基准评测的一大局限暴露，其只看重相对软件基线的加速比，而非内核执行方案本身贴近硬件最优效率的程度。同时发布微电影《迷局》，以真实诈骗案例为脚本，以写实镜头再现犯罪分子借助非法网络购彩“诱饵”实施诈骗的全过程，为广大球迷和购彩者敲响反诈防骗的警钟。
五 | 宣传矩阵方面，北京体彩联合十余家主流媒体构建全域宣传矩阵，统一报道标准，同频共振精准引导公众合规、理性购彩，持续筑牢“安心购彩”防线。北京体彩
六 | 线上创新宣传形式，推出“测测你的世界杯安心购彩状态”H5问答游戏，以沉浸式答题互动，向广大球迷普及网络购彩骗局、理性购彩等核心知识；发布《天津体彩购彩无间道》短视频，以经典电影场景生动科普反诈知识，引导群众购彩认准线下实体门店。而在现代数据中心中，未能充分利用硬件的kernel意味着算力与能源的双重浪费。 基于此，英伟达提出了SOL-ExecBench基准套件。线下深耕跨界合作，联合天津市公安局刑侦总队开展“警彩护民生 安心卫‘津’城”宣传活动，通过警彩联合专项宣传、内容共创、线下公益宣讲等多种形式，筑牢世界杯赛事期间安全防线。同时，联合咪咕视频与麦当劳落地“安心购彩 守护热爱”天津体彩世界杯竞猜价值传递品牌活动，将体育彩票竞猜游戏的正向价值融入每一个互动环节，以大众喜闻乐见、贴合青年潮流的嘉年华，实现责任彩票宣传的城市级破圈。这一套件共有235项CUDA内核优化任务，提取自124个商用及前沿人工智能模型，覆盖大语言模型、扩散模型、计算机视觉、音频、视频以及混合架构，目标硬件为英伟达Blackwell系列GPU，涵盖BF16、FP8、NVFP4精度下的前向与反向计算负载。 与以往基于软件性能来进行评估标准相比，SOL-ExecBench的评估目标有所不同。
七 | 其通过“Speed-of-Light（SOL）”界限来评估内核性能，即由GPU的峰值算力与HBM带宽共同决定的理论性能极限。
英伟达开发的SOLAR工具能够从FLOP数量、字节数、GPU峰值吞吐量以及带宽等方面，分析出这些基于硬件的SOL界限，然后将这些界限与预先定义的评分基准相结合，从而得出SOL评分。
具体来说，评分为0.5表示与基准值相当，评分为1.0表示达到了硬件上的SOL界限。天津体彩
八 | 为保证评分结果的可靠性和可重复性，SOL-ExecBench还包含一个沙盒评估工具。此外基于其开发的智能优化算法，可以在相同的评估协议下改进提供的PyTorch参考实现，这种优化算法可以识别出那些试图操纵评估器的行为，即试图绕过评估机制以获得更快的运算结果。 此次Qwen3.8拿下第一的是FlashInfer-Bench子集，专门用于测试和优化大语言模型推理系统中的GPU算子。 该子集包含26个来源于Llama-3.1-8B、Qwen3-30B-A3B、DeepSeek-V3/R1的问题。 该子集覆盖的精度格式为BF16与FP8，每个问题提供7-48个动态形状的输入配置，覆盖真实生产场景，典型任务包括融合注意力（Fused Attention）、FP8 MoE和RMSNorm等推理关键算子。
九 | 同时依托河北公安抖音平台开展专题直播，在线解读体彩行业反诈防骗知识，以权威声音筑牢“安心购彩”防线。 根据官方披露，该测试套件中所有提交内容均在真实NVIDIA B200 GPU上隔离执行，GPU时钟锁定在1500 MHz以保证可复现性。另一方面，创新品牌立体化宣传模式，构建“品牌+产品+场景”三维联动，借势异业合作、世界杯主题活动及微综艺载体，在真实生活场景中捕捉消费需求，通过沉浸式体验，传递“安心购彩 守护热爱”理念。
十 | 二、榜单排名靠前，意味模型具备闭环自我改进潜力 Kernel优化是少数几个可以提供清晰、客观、可量化反馈信号的真实工程任务之一： 反馈明确：运行时间、吞吐量、带宽利用率可以精确测量； 标准客观：距离硬件理论极限还有多远，没有歧义； 迭代自然：每一轮优化都可以作为下一轮的起点。如今，从奶茶店饮品到支付宝消费，从咪咕赛事直播到商场里的扭蛋互动——河北体彩让“安心购彩”不再是一句口号，而是消费者在具体生活场景中可感知、可参与、可体验的轻互动。
十一 | 这意味着模型可以在无需人类标注的情况下，通过与真实硬件环境的交互，自主产生训练信号、评估自身输出质量并持续改进。河北体彩京津冀三地以协同联动凝聚传播合力、以本土深耕压实责任实效，在世界杯全民观赛热潮中织密责任彩票安全防护网。
十二 | 在SOL-ExecBench FlashInfer-Bench子集上表现靠前，就意味着模型在下面几项能力上具有优势： 长程因果推理：优化决策之间存在复杂依赖链，局部改动会影响全局性能，模型需要跨越长上下文进行一致性推理。目前，京津冀“世界杯”主题责任彩票宣传月活动还在火热开展中，后续将继续通过丰富的宣传活动，创新的活动形式，持续传递体彩公益初心与责任担当，引导广大球迷及购彩者坚守理性、远离骗局，让“安心购彩 守护热爱”成为世界杯购彩新风尚。 工具使用与环境交互中的策略规划：现实世界智能体任务面对多轮工具调用，模型需要根据每次执行反馈动态调整策略，而非机械执行预设步骤。 稀疏反馈下的探索能力：性能提升往往不是线性的，模型需要在大量“看似合理但实际无效”的方向中识别真正有价值的优化路径。 系统级抽象与具体实现之间的双向翻译：从高层算法语义映射到底层硬件指令，再从硬件反馈反推优化方向，这种双向能力在科学计算、编译器设计、芯片设计等领域均有直接迁移价值。 这也意味着，能在SOL-ExecBench上持续进化的模型，具备在客观物理约束下进行闭环自我改进的能力。 三、训练侧搭建真实GPU环境，推理侧引入阿里智能体框架 智东西从千问团队获悉，在训练、推理方面，千问团队均针对Kernel Self-Evolving进行了优化。 首先在训练侧，为了让模型真正具备kernel优化能力，而非仅仅学习表面的代码模式，其构建了一套基于真实GPU环境的大规模强化学习体系。 1、研究人员搭建了基于沙盒的真实GPU训练环境： 为模型提供丰富的硬件文档与可交互的Workspace，使模型能够通过真实编译、执行与性能测量获取来自硬件的奖励信号，而非依赖代理指标或模拟器。
十三 | 这可以确保每一个训练信号都有真实的物理意义。 2、真实Kernel仓库作为训练数据 研究人员系统性收集了大规模真实的工程级kernel优化代码，以这些真实世界的kernel作为训练query。相比合成数据，真实反馈覆盖了更广泛的优化模式、硬件适配策略与工程取舍，为模型提供了更接近生产场景的学习信号。 3、RL基础设施的针对性优化 Kernel优化任务的一个显著特点是需要超长的工具调用序列，单次优化过程可能涉及数十乃至数百轮的编译-执行-分析循环。 为此，研究人员对强化学习训练基础设施进行了专项优化，使其能够高效支持超长多轮工具调用的训练，从而让模型真正学会跨越长序列的持续优化策略。
十四 | 在推理侧，研究人员使用阿里巴巴Atrex Kernel Agent框架来承载算子优化的完整分析迭代流程与经验沉淀机制。 ▲阿里巴巴Atrex Kernel Agent框架和工作流（图源：GitHub） 在SOL-ExecBench FlashInfer-Bench子集的评测中，该模型完成了平均29354轮工具调用的持续迭代，在每一轮循环中对kernel实现进行编译、执行、性能分析与策略调整，将性能逐步推向硬件理论极限。
十五 | 这意味着，模型在数万轮的迭代过程中可以保持方向一致性、持续产出有效优化、不陷入局部震荡，正是长程持续优化能力区别于普通代码生成能力的核心所在。 结语：从手写算子到AI生成、调优，Qwen3.8刷新自动化算子生成能力上限 Qwen3.8此次登顶，意味着其有能力承担底层算力优化的复杂工程任务，并进一步压缩人工介入算子开发的工作环节，其能直接对接真实硬件环境采集运行反馈，形成从算子生成到性能调优的自动化闭环。 自动化GPU算子生成赛道的长期竞争，未来或取决于大模型理解硬件架构、推演访存瓶颈、自主迭代调参的综合智能水平。长远来看，伴随大模型能力升级，模型侧与编译层在算力优化方面将形成持续双向反馈，硬件规格、算子实现、模型架构三者协同演进可能会成为常态。 Current article:http://v0it.liaoenxingunchuanglou.buzz/emuyr/20260826/793520.html Published on:17:09:46 |
