AI-агент превзошел DeepSeek: скорость ядра FlashMLA выросла на 9.8%
AI-агент превзошел DeepSeek: скорость ядра FlashMLA выросла на 9.8% 💡 Агент ForgeKernel от компании MiniCPM (Mianbi Intelligence) продемонстрировал беспрецедентный результат, написав оптимизированное ядро FlashMLA Prefill с нуля, без доступа к исходному коду или научным статьям. В прямом эфире, длившемся всего 22.5 часа, система на базе NVIDIA B200 превзошла эталонную реализацию DeepSeek-V4.1 на 9.8%. Итоговое время выполнения составило 472 микросекунды против 518 микросекунд у человека-разработчика. За процессом наблюдали тысячи зрителей, видя, как AI проходит 42 итерации и оставляет 32 версии кода, используя лишь 22 GPU-часа. ⚡ Ранее, 27 октября, ForgeKernel уже заявил о себе, заняв первые места в трех рейтингах Ascend CANN: 950DT, 950PR и A3. На платформе 950DT система набрала 4010.75 баллов, опередив второго участника на 27.8% и обеспечив ускорение в 1.533 раза. Это означает, что при тех же затратах на оборудование доступная вычислительная мощность растет почти на 50%, а стоимость развертывания снижается вдвое. На конкурентном треке 950PR ForgeKernel показал ускорение 1.638x, а на популярном Ascend 910C (A3) — 1.898x, подтвердив свою универсальность на разных архитектурах. 🤔 Ключевая инновация описана в статье «JustGoal», опубликованной на arXiv совместно с Tsinghua University. Исследователи предоставили модели только математическое определение задачи и ограничения железа, не давая готовых шаблонов. В 8 из 10 тестов AI превзошел человеческие библиотеки. Система ForgeKernel решает проблему «тупиковых» архитектур, разделяя дизайн и реализацию, сохраняя проверенный опыт в базе знаний и используя самоэволюцию: каждая новая версия соревнуется с лучшей предыдущей. Именно так агент обнаружил конфликт ресурсов при загрузке данных Q и KV, оптимизировав их взаимодействие и сэкономив еще 2.4% времени. 📌 Что это значит на практике: Согласно прогнозу Gartner, мировые расходы на AI-инфраструктуру в 2026 году достигнут 1.48 трлн долларов, поэтому каждое 1% повышение эффективности стоит около 14.8 млрд долларов. Для китайских чипов, где экосистема еще не так зрелая, как CUDA, потенциал роста выше: AI оптимизация дает прирост 20-30% на Ascend против 5-10% на NVIDIA. Это позволяет резко сократить разрыв в производительности и снизить стоимость владения вычислительными мощностями. 🚀 ForgeKernel уже интегрирован в тренировочные фреймворки и протестирован на модели MiniCPM5-1B. Эксперты отмечают сдвиг парадигмы: вместо месяцев ручной работы над ядрами вроде FlashAttention, AI теперь достигает лучших результатов за 1-2 дня. Как отмечает Ли Юсюань, главный научный сотрудник MiniCPM, роль инженеров меняется: они перестают быть «кузнецами кода» и становятся архитекторами систем, задающими цели для AI. Это формирует замкнутый цикл, где китайские модели пишут ядра, а китайские чипы их исполняют, ускоряя развитие всей экосистемы. Перевод и адаптация: AI Lab. Источник: QbitAI (量子位), https://www.qbitai.com/2026/10/506785.html #AI #LLM #DeepSeek #Ascend #ForgeKernel #Hardware