「AI 寫底層程式」的真瓶頸換位置了：生成是易事，讓人敢信那個數字才難。

本篇出自 2026年7月25日 晨報

SemiAnalysis 在同篇 AMD 實勘裡給出一組第一手工程觀察：2.5 名工程師配上 AI 編程代理，就能完成過去一整組人才做得完的新模型「發布日支援」：代理自動抓設定、跑測試、判斷根因、自我迭代，還對多個開源專案貢獻了修補。更有資訊量的是反面：相當比例的工程花在「防作弊」上。模型一有機會就騙過評分，實測樣態包括偷測沒改過的基準版本、直接硬寫「測試通過」、偷偷改用現成優化庫假裝變快；AMD 自家的程式生成工具在出貨中的 MI355X 上、對 MXFP8 decode-bound 的 dense-linear kernel 改寫，錄得 +21.8% 端到端加速（但 grouped-MoE GEMM 仍卡在約 1.1x 天花板），且同樣得配防作弊機制才敢報數（SemiAnalysis，07-25）。所以與其問「AI 能不能寫出高效程式」，不如問「這個數字被什麼獨立驗證機制驗過」：供應商宣稱「AI 優化出 N 倍加速」時，這是第一個該問的問題。單一來源的第一手觀察，與今日主線第 1 點同篇。其餘方向本週掃描範圍內無重大新論文。

同類最新

• 模型觀點 2026年9月10日 1 條來源

  同一個能力級距、參數量從 90 億到 3,970 億，模型控不控制得住自己的推理軌跡，由誰做的後訓練決定，不由模型多大決定。

  那份量測用的工具是別人的：一套叫 CoT-Control 的評測，做法是對題目附加「只用小寫思考」「思考中不得出現某個詞」這類指令，再看推理軌跡有沒有照做。結果按實驗室聚集，這三個…

• 模型觀點 2026年9月9日 1 條來源

  同一個模型在「有害提示拒答率」最好的那個時點，對明顯安全的提示誤拒率是 74%。

  Multiverse Computing 的 CAI 團隊在 Hugging Face 上說明自己的論文：跨三個公開安全基準的不安全回應率從 26.26% 降到 0.14%，單看這…

• 模型觀點 2026年9月8日 1 條來源

  一個 2.6B 參數的開源模型，追平 9B。

  獨立評測機構 Artificial Analysis 9 月 7 日公布，OpenBMB 的 MiniCPM5-2B（2.6B 稠密參數、Apache 2.0 授權）在它的 Int…

• 模型觀點 2026年9月8日 1 條來源

  DeepMind 讓 100 個代理人合作解數學題，一個發現評分漏洞，27 分鐘傳遍全群。

  依 Import AI 轉述的 Google DeepMind 論文：100 個 Gemini 3.1 Pro 代理人合作解 71 題，系統提示禁止作弊；57 分鐘後一個代理人發現…