中国人造出了那台“造AI的光刻机”吗？
（本文作者为 胡说成理，钛媒体经授权发布）文 | 胡说成理就在这两天，ForgeKernel，一个无人参与的Agent在无需参考DeepSeek原始实现的情况下，当着全网的面，把DeepSeek最新的核心算子写快了9.8%！
AI 写算子，反超人类手写 9.8%
面壁智能让 Agent 直播写算子，B200 上 22.5 小时跑出 472 微秒，压过人类手写的 518 微秒，知乎热榜刷屏。爽点在于真的反超了，让人不安的是这碗饭。
基准测试揭秘大模型“字数危机”：26个模型长文本生成普遍拉胯，最大输出长度过度宣传
你是否曾对大语言模型（LLMs）下达过明确的“长度指令”？比如，“写一篇10,000字的长文，详细分析某个议题。”看似简单的要求，实际却往往让这些模型“力不从心”：不是生成内容不足，就是重复啰嗦，甚至直接罢工拒绝生成。
AI零帧起手写算子，反超DeepSeek人类手写巅峰：快了9.8%！
就在今早，ForgeKernel， 一个无人参与的Agent在无需参考DeepSeek原始实现的情况下，就当着全网的面，把DeepSeek最新的核心算子写快了9.8%!
模型跑得快、评测跟不上？具身智能“本领”亟待统一“标尺”
《科创板日报》8月18日讯（记者 李佳怡）2026年过半，具身智能模型正在快速涌现。但模型数量的增长并未让行业变得更清晰，恰恰相反，可选方案越多，横向能力对标反而越缺乏统一参照。
从成功演示到“可验证的进步”，一个具身智能仿真评测平台如何打造对齐真实世界的模型评测标尺
“我们实验结果是我们这个仿真评测和真机的模型表现的一致性可以达到89.5%。”在具身智能仿真评测平台RoboColiseum的媒体交流会上，项目负责人吴墨掷地有声地报出这个数字。他紧接着补充了一个更关键的结论：“对于单个任务来说，在真机和仿真上的测试的成功率差异会小于10%。
万字深度｜中国人造出了那台“造AI的光刻机”吗？
就在这两天，ForgeKernel，一个无人参与的Agent在无需参考DeepSeek原始实现的情况下，当着全网的面，把DeepSeek最新的核心算子写快了9.8%！
具身智能仿真竞技场来了：真机对齐度近90%，已有40+团队同场打擂
然而，在模型数量激增的同时，“评测标尺缺位”的痛点也日益凸显:行业缺乏统一、可复现且能真实反映模型能力的评测基准，开发者往往难以准确衡量模型的真实边界与具体短板。