Import AI 464：Fables编写GPU内核；AI自动化；模拟计算

在KernelBench-Mega基准测试中，Fable模型编写了有史以来第一个真正的超级内核，在RTX PRO 6000 Blackwell上实现了18.71倍的加速，而PyTorch优化基线仅为1倍。相比之下，Claude Opus 4.8（14.4倍）、GLM-5.2（11.14倍）和GPT-5.5（4.34倍）均远逊于Fable。更关键的是，Fable的解决方案每个解码令牌仅需一次协作内核启动，而其他高分方案需要4到14次启动。

这一成就的意义在于：内核设计是AI研发的基础性工作。如果AI系统能够自主改进此类底层组件，就为递归自我改进（RSI）循环铺平了道路。基准维护者确认这是迄今为止提交的最快内核。尽管当前仅局限于特定任务，但这表明AI正在掌握优化自身运行效率的能力。

CAIS和Scale Labs的远程劳动指数（RLI）评估了AI系统端到端完成在线经济项目的能力。2026年7月的更新显示，前沿模型的成功率已从2025年10月的2.5%飙升至16.1%。具体而言，GPT-5.5（6.3%）、Opus 4.8（8.3%）和Fable 5（16.1%）的表现形成了清晰的层次。被评估的任务涵盖3D建模、建筑设计、视频制作、数据分析等，例如重新设计订婚戒指、制作宣传动画、根据勘测图绘制户型图——这些曾是高技能自由职业者的领域。

作者强调，在不到8个月内，前沿能力翻了四倍以上。即便考虑人类创新和AI增强，这一速度仍令人不安：AI系统正在以超越人类比较优势扩展的速度吸收数字劳动。如果RLI达到80%，在线就业市场将发生结构性颠覆。历史规律表明，新任务会被创造出来，但数量是否足以弥补替代？答案并不乐观。

OSWorld 2.0基准测试将任务复杂度提升了一个数量级：中位数耗时从1.0版的2分钟增至1.6小时。108个长时程任务涵盖文书处理、软件开发、财务分析、销售支持等，需要跨多个应用程序（如Slack、LinkedIn、REAPER、AWS）协作。当前最佳模型Claude Opus 4.8在最大思考模式下仅达到20.6%的准确率，且性能随任务时长急剧下降，尤其在需要恢复隐藏状态、跟踪多个项目、解决冲突信息时表现挣扎。

然而，1.0版的历史提供了重要警示：2025年7月最佳模型约30%准确率，一年内已升至约75%。如果这一改进速度延续，OSWorld 2.0的分数可能在未来12-18个月内超越人类水平。这意味着，即使当前AI在复杂多步骤任务上仍显笨拙，其学习曲线正在指数级追赶。

三项进展共同揭示了一个趋势：AI正在同时攻克研发自动化（内核设计）和实际劳动自动化（远程任务、计算机使用）。Fable的成功暗示RSI循环可能被触发；RLI的飙升表明经济相关能力正以季度为单位翻倍；OSWorld 2.0则展示了AI在真实场景中的强韧适应潜力。

关键问题在于：人类扩展比较优势的速度能否跟上AI能力的扩张？历史表明，创造新工作通常需要数年，而AI能力的翻倍周期已缩短至数月。我们可能正进入一个“无增援人类”的组织形态——AI系统全自动运营企业，在成本上彻底碾压人力密集型模式。这并非遥远预测，而是当前指标的合理外推。当然，不确定因素依然存在：当前RLI任务是否代表经济全貌？OSWorld 2.0的改进能否持续？但这些疑虑不应掩盖核心趋势。