Fable 5手搓首个CUDA「超级内核」，2.5小时狂飙18.7倍

【导读】AI已经能纯手搓CUDA榨干GPU了！Fable 5狂飙18.7倍登顶，把GPT-5.5甩开4倍多。Anthropic联创直呼：RSI自我进化开始了。

AI竟写出了，史上最快内核！

在全新一轮GPU算子基准测试KernelBench-Mega中，Fable 5表现一骑绝尘。

它在RTX PRO 6000，全程「纯手搓」CUDA，速度狂飙18.7倍。

相比之下，强如Claude Opus 4.8也只跑出14.4倍，而GPT-5.5只有4.34倍。

Fable 5把第二名甩开了整整4倍多的身位，断层领先。

而给这件事下定论的，是Anthropic联合创始人Jack Clark。

他的判断只有一句话，这是「递归自我提升（RSI）循环」的开始。

Fable 5狂飙18.7倍，爆斩GPT-5.5

AI写出全球最快的底层代码，不仅速度碾压人类，甚至在代码的「纯度」上都做到了极致。

要知道，KernelBench-Mega绝不是什么普通的跑分基准。

它考的不再是对单一、孤立算子的修修补补，而是将一整个模型的计算块强行塞入内核，做深度的算子融合——

这次的硬核考题是 02_kimi_linear_decode，一项 Kimi-Linear W4A16 的混合解码任务（4-bit 权重，bf16 激活）。

规则极其严苛：每个模型仅有一次自主会话的机会，以及3小时真实时间的极限压榨。

而Fable 5交出的这份成绩单，简直是将物理极限，直接拍在了对手脸上：

Fable 5：18.71倍 

Opus 4.8：14.4倍 

GPT-5.5：4.34倍 

Sonnet 5：4.0倍

更反直觉的是，上下文越长，它竟然跑得越快！

2K上下文时领17.8倍，8K时扩大到18.9倍，拉长到16K时，直接狂飙到了19.5倍。

要知道，随着上下文拉长，KV Cache必然膨胀，单Token的注意力计算量随之激增。

这通常是解码内核性能「大出血」的重灾区。

但Fable 5极其硬核地把所有计算强塞进「单次启动」（Kernel Launch）中，极大摊薄了固定的屏障同步开销；

同时，其int4的计算效率死死咬住了硬件的内存带宽上限。

结果就是，在别人遭遇瓶颈时，它与基准线的差距不仅没有缩小，反而随着压力的增加越拉越大。

史上首个「真·超级内核」

而真正让圈内人脊背发凉的，还不是这个速度。

Fable 5写出的，是KernelBench-Mega史上第一个真正的「超级内核」（megakernel）。

所谓「超级内核」，就是把整套推理流程压进一个内核里一口气跑完，中间不落地、不切换。

这是GPU编程里，公认最难啃的写法之一。

人类工程师做起来都头大，此前榜单上从没有任何模型真正做出来过。

它到底「纯」在哪？

通过torch.profiler可以看到一个惊人的细节：

解码每一个Token时，Fable 5的内核只启动了「刚好一次」的协作。

int4解量化、卷积、SiLU、KDA门控delta状态、MLA吸收隐变量注意力、MoE路由加top-8专家、各种RMSNorm，甚至连KV缓存的写入——

全都塞进这一次启动里，靠14道网格屏障分阶段跑完。

而其他所有高分模型，全都得把问题拆成4-14次独立的内核启动，才能勉强跑完。

一次，对十四次。

这个差别不是玄学。每启动一次内核，GPU 都要停一停、交接一次，中间的空转都是白白流掉的时间。

别人拆成十几次，Fable 5 却把所有活攒成一次干完。省下的，全是纯粹的性能。

2.5小时，55万Token一次写成

Fable 5写内核的过程，没有一上来就狂敲代码。

整场会话，它用了64%的时间在沉默——安静地给基准线计时、给网格屏障做微基准、推导出一条「每token约29倍字节」的roofline上限。

地址：https://huggingface.co/datasets/Infatoshi/kernelbench-mega-traces/blob/main/20260701_172615_claude_claude-fable-5_02_kimi_linear_decode.jsonl

做完这些功课，它才一口气把整个内核写完，第一次跑分就直接命中14.4倍。

然后，它用最后一个小时删屏障、把int4反量化压榨到几乎「免费」，一路把自己送上18.7倍。

中途试过一次负优化，测完当场回滚，没有半句自我辩解，只认数据。

整个过程：2.5小时，约55万token。

这里，最容易被忽略的一点是——

Fable 5，还只是Anthropic内部模型Claude Mythos的「安全版本」。

「AI自进化」循环，开始了

正因如此，Anthropic联创Jack Clark在最新一期Import AI里，直接下了一个不轻的判断——

这标志着「递归自我提升」（RSI）循环的正式开启。

这一期的副标题，他只留了一句话：这是一个新世界的开端吗？

他的逻辑很直白，能自主开发和优化内核，是做AI研发最底层的输入任务之一。

AI 越会写内核，训练和推理就越快；越快，下一代就越强；越强，写内核又更狠——

这个飞轮一旦转起来，就不太需要人再推了。

Fable 5 不只在「造自己」这件事上领先，它连人类的活也开始接了。

最近，在Remote Labor Index（远程劳动指数）上，AI的完成率从2025 年10月上线时的2.5%，一路涨到了2026年7月。

不到八个月，前沿水平翻了两番还多。

Clark表示，AI拓展自身经济边界的速率，正在全面反超人类重构「比较优势」的速度。

一半狂奔，一半敬畏

有意思的是，就在同一期Import AI的结尾，Jack Clark写了一篇科幻——

一个2050年的世界，「通用计算机」因为太过危险，被人类亲手封禁。

「大坍塌」之后的世界，只剩下用水管、容器和黄铜齿轮，搭起来的模拟计算机，笨拙地运转着——

想预测天气，就得把山脉造成硬件里固定的阻抗结构； 

想模拟洪水，就得把电子电路织进真实的河道地形。

写下「RSI循环开始了」的那个人，转头就在想象一个把通用计算关进笼子的世界。

这大概就是，此刻最真实的「撕裂感」：一半是狂奔，一半是敬畏。

一年多前，KernelBench刚发布时，当时最强的OpenAI o1，在最难的任务上只拿到4%。

而今天，AI已经在给自己写驱动了。

人类花了几十年，才把GPU的极限榨到今天这一步。而Fable 5，仅用了2.5小时。

倒计时，或许已经悄悄开始了。

参考资料：

https://x.com/elliotarledge/status/2072814573753975266?s=20 

https://www.reddit.com/r/singularity/comments/1uowkp0/fable_5_sits_at_the_top_of_kernelbench_jack_clark/ 

https://importai.substack.com/p/import-ai-464-fables-writes-gpu-kernels