NanoGPT Speedrun 挑战赛：Fable 5 领跑，AI 智能体正逼近人类优化极限

核心要点

• Fable 5 占据统治地位：目前以 81.7% 的人类记录差距闭合率领跑榜单，是唯一突破 80% 大关的模型。
• 第二梯队竞争激烈：Opus 5 和 Kimi K3 分别以 53.6% 和 52.2% 的闭合率位列二、三名，差距极小。
• 智能体多样化：挑战涉及 claude-code、prime-agent、kimi-code、codex 等多种 AI 智能体工具。
• 时间跨度差异显著：各模型完成任务的时间从 0.6 天到 9 天不等，反映了不同策略下的计算效率。

详细分析

性能梯队：Fable 5 展现代差优势

根据 NanoGPT Speedrun Frontier 的最新数据，Fable 5 在这项旨在优化 NanoGPT 训练的挑战中展现了显著的领先优势。其“人类记录差距闭合率”（Share of the human record gap closed）达到了 81.7%，这一成绩远超其他竞争对手。紧随其后的 Opus 5 和 Kimi K3 虽然也表现出色，闭合率均超过 50%，但与 Fable 5 相比仍有约 30 个百分点的差距。这表明在处理高度复杂的代码优化和底层性能调优任务时，Fable 5 所采用的架构或智能体策略具有更强的逻辑推理与工程实现能力。

智能体协同：编程助手的实战检验

榜单不仅展示了底座模型的实力，也体现了 AI 智能体（Agent）在实际工程环境中的表现。Fable 5 配合使用的 claude-code 智能体在 8.7 天的运行周期内完成了高质量的优化。而 Opus 5 同样使用 claude-code，在 2.9 天内达到了 53.6% 的闭合率。此外，Kimi K3 结合 prime-agent 和 kimi-code 也展现了极强的竞争力。这些数据证明，AI 已经能够通过长时间的自主尝试（Agent time），在复杂的编程挑战中不断逼近人类专家的优化水平。

行业覆盖：全球大模型集体参与

此次 Speedrun 挑战赛涵盖了目前市场上主流的几乎所有顶级模型，包括 GPT-5.6 系列（Sol, Luna, Terra）、Grok 4.5/4.6、Qwen3.8 Max、GLM 5.2 以及 DeepSeek V4 Pro 等。从数据分布来看，虽然 Fable 和 Opus 系列暂时领先，但国产模型如 Kimi K3、Qwen3.8 Max 和 GLM 5.2 也展现了不俗的实力，处于榜单的中上游位置。这种全球范围内的技术竞技，加速了 AI 在自动化编程和系统级优化领域的演进。

行业影响

NanoGPT Speedrun 的意义在于它将 AI 的评估从简单的对话或逻辑题，转向了具有实际工程价值的“性能优化”任务。Fable 5 逼近人类记录的表现预示着，AI 智能体正从辅助写代码进化到能够独立进行复杂的系统调优。这对于降低未来大模型的训练成本、提升计算效率具有极高的参考价值。同时，这也标志着 AI 编程工具（如 claude-code 和 prime-agent）正在成为开发者提升生产力的核心基础设施。

常见问题

什么是 NanoGPT Speedrun 挑战？

这是一个衡量 AI 模型优化 NanoGPT 训练速度能力的基准测试。它通过计算 AI 优化的结果与人类专家记录之间的差距闭合百分比，来评估 AI 在复杂编程任务中的表现。

目前表现最好的模型和智能体是什么？

根据最新榜单，表现最好的是 Fable 5 模型，配合使用 claude-code 智能体，其人类记录差距闭合率达到了 81.7%。

为什么不同模型的运行时间差异很大？

运行时间（Agent time）反映了智能体在寻找最优解过程中消耗的计算时长。有些模型如 Sonnet 5 在 2 天内就达到了 26.8% 的闭合率，而 Fable 5 则通过长达 8.7 天的持续优化获得了更高的分数，这体现了不同智能体在效率与深度搜索之间的权衡。