Fable 5自主研究封王 18模型闭81.7%人类鸿沟

时间：2026年8月22日（美国旧金山发布，全球同步上线） 地点：美国旧金山 / 全球线上同步发布 人物：PrimeIntellect 研究团队（Elie Bakouch 等）；18 款前沿大模型——Anthropic Claude Fable 5、Claude Opus 5、Claude Opus 4.8、Claude Sonnet 5；OpenAI GPT-5.6 Sol / Sol Pro / Luna / Terra / GPT-5.5；月之暗面 Kimi K3、Kimi K2.7；xAI Grok 4.5 / 4.6；阿里 Qwen3.8 Max；智谱 GLM 5.2；深度求索 DeepSeek V4 Pro；Muse Spark 1.1 / 1.2 事件详情：PrimeIntellect 于 2026 年 8 月 22 日发布题为《Measuring Autonomous AI Research》的研究博客与配套 NanoGPT Speedrun Frontier 榜单，公开了 153 次全自主 AI 科研运行的横向结果。实验以 nanoGPT 优化器 speedrun 为基准，让 18 款前沿大模型在 8×H200 GPU 的隔离沙箱中独立调优 124M 参数 GPT 模型的训练配方，最长单次运行达 8 天、完全关闭互联网访问。 结果显示 Anthropic Claude Fable 5 以 2,726 步的最优验证成绩关闭人类基准 81.7% 的差距，断层式领跑；Claude Opus 5 以 2,920 步（53.6%）居次，月之暗面 Kimi K3 借助 PrimeIntellect 自家 Prime Agent 框架跑出 2,930 步、关闭 52.2% 差距，首次跻身第一梯队。其后依次为 Opus 4.8（39.4%）、GPT-5.6 Sol（35.9%）、Sonnet 5（26.8%）、Qwen3.8 Max（24.6%）、GLM 5.2（20.3%）、DeepSeek V4 Pro（12.3%）等，GLM 5.3 因窗口问题未产生记录。PrimeIntellect 同时开源 GitHub 仓库 PrimeIntellect-ai/frontier-automated-speedrun，公开全部 agent 轨迹、scratchpad、开源权重模型的推理流、监控报告与逐笔账目，并精选 41 段完整轨迹供研究者复盘。 背景：PrimeIntellect 是专注去中心化 AI 训练基础设施的初创公司，去年凭借 SYNTHETIC-1 数据集与 Prime Agent 框架在 AI 圈走红。本次实验意在衡量前沿模型"自主做科研"的能力——AI 在何种程度上能替代人类研究员完成实验设计、消噪、复测、消融与编写可复用工具，而非评出"哪家模型最强"。对比之下，Anthropic 内部自动化 AI R&D 评测仅在 CPU 节点上做单模型优化，OpenAI 在 GPT-5.6 Sol 系统卡中只使用单卡 H100 不到一天完成 nanoGPT Track 1，PrimeIntellect 称这是同规模下首个公开实验。 影响：NanoGPT Speedrun Frontier 首次让"AI 是否具备真正的科研能力"具备可重复、可比较的量化指标——153 次 sandboxed run、8xH200×8 天的算力投入远超此前任何公开基准。Fable 5 与 Opus 5 与其余模型拉开断层式差距，意味着前沿厂商在"AI 做 AI 研究"这条路上已分化出明显梯队；Kimi K3 借 Prime Agent harness 首次跻身第一梯队，证明 harness 与模型本体同样关键，为下一代"模型即研究员"路线提供硬数据。对国内厂商而言，Kimi K3、Qwen3.8 Max、GLM 5.2/5.3 与 DeepSeek V4 Pro 全部进入榜单且位居中段，证明国产模型在科研代理方向已具备初步竞争力，但榜首仍被 Anthropic Claude 系列占据，距离"自研科学发现"仍有显著差距。 总结：PrimeIntellect 用 153 次 sandboxed run 与 18 款前沿模型的同台竞技，把"AI 自主研究"从口号变成了可复现的科学评测。Fable 5 以 81.7% 的差距闭合率创下新纪录，Kimi K3 借 harness 之力首次打入第一梯队，而 Anthropic、OpenAI 早已转向"AI 加速 AI R&D"的下一阶段；这一基准将成为未来一年各厂商自研能力对比的硬指标，并让"AI 做科研"的真正能力首次被摊开在阳光下。 参考来源： 1. PrimeIntellect 官方研究页：https://www.primeintellect.ai/research/nanogpt-speedrun 2. PrimeIntellect 博客《Measuring Autonomous AI Research》：https://www.primeintellect.ai/blog/measuring-autonomous-research 3. Hacker News 讨论：https://www.primeintellect.ai/research/nanogpt-speedrun 4. AlphaSignal 报道：https://alphasignal.ai/news/prime-intellect-s-fable-5-closes-82-of-the-human-ai-research-gap 5. BenchmarkList 榜单详情：https://benchmarklist.com/benchmarks/nanogpt_speedrun_frontier 6. Linxi News 分析：https://news.linxi.com.au/news/fable-5-leads-frontier-ai-models-in-new-nanogpt-optimisation-benchmark 7. GitHub 研究仓库（公开轨迹）：https://github.com/PrimeIntellect-ai/frontier-automated-speedrun 8. Plushcap 摘要：https://www.plushcap.com/content/prime-intellect/blog/prime-intellect-measuring-autonomous-ai-research 9. PrimeIntellect X 官方 thread：https://unrollnow.com/status/2088733966904000778