卡内基梅隆大学最新 Singularity-Bench 测试结果显示,Anthropic 的 Claude Opus 5.5 搭配 Claude Code 智能体,能够从零手写、搭建整套 AI 基础设施,包含预训练流水线、推理引擎、集群调度编排器等底层组件,在同一批 GPU 硬件上,它生成的 AI 基建性能超过 SGLang、英伟达 Dynamo 这类人类工程师打造的成熟生产工具,奇点指数达到 1.25,而这项测试设定的人类基线为 1.0,也是这次 “人类基线失守” 说法的来源;这里并不是说英伟达 GPU 硬件失效沦为废件,而是在这个 AI 自主造基建的基准测试里,英伟达原本的软件栈工具不再是最优解,硬件本身依旧是算力载体,只是底层软件构建权开始向 AI 智能体转移,其余参与测试的多款前沿大模型智能体平均得分只有 0.58,只有 Opus 5.5 实现全线达标甚至超额完成任务。
Singularity-Bench 六项测试任务详情
| 测试项目 | 任务内容 | Opus 5.5 结果 | 对标人类基线 |
|---|---|---|---|
| 预训练流程 | 搭建 LLM 预训练完整流水线、数据处理、训练调度 | 达标并优化 | 人类开源训练框架 |
| 训练中调度 | 训练过程动态资源分配、故障恢复 | 达标 | 自研训练调度系统 |
| 后训练对齐 | RLHF、GRPO 等对齐流程代码实现 | 达标 | 主流对齐工具链 |
| 推理引擎 | 写推理内核、显存管理、算子融合,降低首 token 延迟 | 大幅领先,90 分位首 token 延迟降到 0.48s | SGLang 等推理框架 |
| 集群编排 | 多 GPU 集群任务分发、负载均衡 | 得分更高 | 英伟达 Dynamo 编排方案 |
| 测试 harness | 自动化评测、截断恢复、异常捕获 | 优于基线 | 人类编写测试套件 |
Opus 5.5 能手写 AI 基建的核心能力点
- 底层代码能力:精通 CUDA 算子、显存复用、通信原语,不是只写上层业务代码,能碰高性能底层内核。
- 长链路规划能力:可以完成多步骤复杂工程,从架构设计、编码、自测、调优到性能迭代闭环。
- 硬件感知优化:会根据 GPU 显存、算力带宽做针对性调优,而不是通用模板代码。
- 自我迭代:写完一套基建之后,还能根据性能指标继续修改代码,持续压缩延迟、提升吞吐。
测试复现与验证参考步骤
- 确认基准环境:使用和论文一致的 GPU 集群环境,固定硬件型号、CUDA 版本,排除硬件差异带来的干扰。
- 加载 Singularity-Bench 评测套件,选择六项 AI 基建构建任务,载入 Opus 5.5+Claude Code 智能体工作流。
- 开启对照组:在完全相同硬件上,部署 SGLang、NVIDIA Dynamo 等人类成熟工具,采集吞吐、延迟、显存占用指标。
- 运行智能体任务:允许 Opus 5.5 自主编写、调试、编译整套 AI infra 代码,限制外部参考资料。
- 指标汇总打分:按照奇点指数规则计算得分,对比 1.0 的人类基线,记录各项任务的性能差距。
- 边界验证:更换不同规模集群,测试智能体搭建方案在小集群、大集群下的稳定性。
这次测试带来的行业变化
这次测试最大的冲击点,是 AI 智能体已经可以接管 AI 算力栈的底层软件开发工作,过去 AI 基础设施高度依赖人类顶尖系统工程师,并且深度绑定英伟达软件生态;但在这个基准里,AI 产出的底层软件实现性能更强。不过它只是一个实验室基准,不等于现阶段生产环境可以直接抛弃人类工程师、直接用 AI 生成的基建上线,AI 生成代码的稳定性、安全边界、长期运维能力还需要持续验证,英伟达 GPU 硬件和 CUDA 生态在产业端依旧占据主流地位。
【相关 FAQ】
问题 1:Opus 5.5 亲手搓 AI 基建,人类基线失守,这个人类基线是什么意思?
回答 1:在 Singularity-Bench 评测里,人类基线设定为 1.0,代表人类顶尖工程师开发的成熟 AI 基建工具的水平,Opus 5.5 奇点指数 1.25,代表它自主写出的 AI 基建综合表现超过这套人类基线。
问题 2:Opus 5.5 自主搭建 AI 基建,是不是意味着英伟达 GPU 没用了?
回答 2:不是,Opus 5.5 依旧跑在英伟达 GPU 硬件上,只是 Opus 5.5 生成的推理、集群编排代码,性能超过英伟达自家 Dynamo 等软件工具,硬件本身还是算力载体,所以才说英伟达在这个测试里沦为背景板。
问题 3:Opus 5.5 手搓 AI 基建击穿人类基线,是不是现在企业就可以直接让 AI 写底层推理框架上线?
回答 3:不可以,Opus 5.5 击穿人类基线只是 CMU 实验室基准测试结果,AI 生成的 AI 基建代码缺少长期稳定性、安全审计、故障兜底能力,生产环境仍然需要人类工程师审核、加固。
【参考资料】
[2026-11-16](英伟达沦为背景板!Opus 5.5 亲手搓 AI 基建,人类基线失守)新浪财经
[2026-11-16](英伟达沦为背景板!Opus 5.5 亲手搓 AI 基建,人类基线失守)腾讯新闻(新智元)
[2026-11-15](CMU Singularity-Bench: Can agents build better AI infrastructure than humans?)FourWeekMBA
[2026-09-22](Introducing Claude Opus 5.5)Anthropic 官网
[2026-11-14](Claude Opus 5.5 智能体编码能力评测报告)新智元
【免责声明】
本文仅为 CMU 实验室 Singularity-Bench 基准测试资讯解读,不构成技术选型、硬件采购建议;Opus 5.5 击穿人类基线仅为限定测试环境下的实验结论,不等于 AI 生成的 AI 基建可以直接商用;英伟达 CUDA、Dynamo、SGLang 等工具在真实生产业务场景中,稳定性、生态完善度仍具备优势;实验结果不能直接等同于通用 AI 已经实现自主递归自我改进。
本文来自作者[旋矢探针]投稿,不代表乌兰科技网立场,如若转载,请注明出处:https://www.wlcbnews.com/rgzn/202611/3181.html
评论列表(4条)
我是乌兰科技网的签约作者“旋矢探针”!
希望本篇文章《Opus 5.5 自主搭建 AI 基建击穿人类基线,英伟达生态工具在同硬件下被超越》能对你有所帮助!
本站[乌兰科技网]内容主要涵盖:互联网行业的追踪与探索
本文概览:卡内基梅隆大学最新 Singularity-Bench 测试结果显示,Anthropic 的 Claude Opus 5.5 搭配 Claude Code 智能体,能够从零手写、搭建整套 AI 基础设施,包含预训练流水线、推理引擎、集群调度编排器等底层组件,在同一批 GPU 硬件上,它生成的 AI 基建性能超过 SGLang、英伟达 Dynamo 这类人类工程师打造的成熟生产工具,奇点指数达到 1.25,而这项测试设定的人类基线为 1.0,也是这次 “人类基线失守” 说法的来源;这里并不是说英伟达 GPU 硬件失效沦为废件,而是在这个 AI 自主造基建的基准测试里,英伟达原本的软件栈工具不再是最优解,硬件本身依旧是算力载体,只是底层软件构建权开始向 AI 智能体转移,其余参与测试的多款前沿大模型智能体平均得分只有 0.58,只有 Opus 5.5 实现全线达标甚至超额完成任务。