Fable 5 在 KernelBench-Mega 取得断层领先
Fable 5 在新一轮 GPU 算子基准测试 KernelBench-Mega 中拿到最高成绩。在 RTX PRO 6000 平台上，该模型以纯手写 CUDA 内核实现 18.71 倍加速，明显高于 Claude Opus 4.8 的 14.4 倍、GPT-5.5 的 4.34 倍，以及 Sonnet 5 的 4.0 倍。按照文中披露的数据，Fable 5 相比 GPT-5.5 的成绩高出 4 倍以上，呈现出明显的断层优势。
本次测试针对的任务为 02_kimi_linear_decode，对应 Kimi-Linear W4A16 混合解码场景，即 4-bit 权重与 bf16 激活的组合。与传统只考察单一算子的基准不同，KernelBench-Mega 要求模型将整块模型计算尽可能融合进更少的 GPU 内核调用中，重点考察复杂推理流程下的算子融合能力。规则也较为严格：每个模型只有一次自主会话机会，真实时限为 3 小时。
从不同上下文长度的表现看，Fable 5 并未在长上下文下明显掉速。相反，其 2K 上下文成绩为 17.8 倍，8K 时扩大到 18.9 倍，16K 时进一步升至 19.5 倍。这意味着在 KV Cache 持续膨胀、单 Token 注意力计算量上升的情况下，Fable 5 与基线之间的性能差距没有缩小，反而进一步拉开。
首次实现单次 GPU 启动的“超级内核”
这次结果的关键，不只是分数领先，更在于 Fable 5 写出了被称为 megakernel 的“超级内核”。所谓超级内核，是把整套推理流程尽量压缩进一次 GPU 内核启动中完成，中间不再拆分为多次启动与切换。这类写法在 GPU 编程中一向被视为难度极高，此前公开榜单中也没有模型真正完成过同等级别的端到端融合。
根据文中援引的 torch.profiler 结果，Fable 5 在每次解码一个 Token 时，仅进行了 一次协作启动。这一单次启动内部，通过 14 道网格屏障分阶段执行，涵盖了 int4 反量化、卷积、SiLU、KDA 门控 delta 状态、MLA 吸收隐变量注意力、MoE 路由与 top-8 专家选择、RMSNorm，以及 KV Cache 写入等多个步骤。相比之下，其他高分模型通常需要将同类任务拆成 4 到 14 次独立内核启动才能完成。
单次启动与多次启动之间的差别，直接对应 GPU 调度与同步开销。每增加一次 kernel launch，都会带来额外停顿、交接和空转时间。Fable 5 把原本分散的流程合并后，固定屏障同步成本被更大规模的计算摊薄；同时，文中提到其 int4 计算效率已经逼近硬件内存带宽上限，这也是它在长上下文下仍能维持高性能的重要原因之一。
2.5 小时、约 55 万 Token 完成优化迭代
文章披露，Fable 5 完成这次内核编写与优化，总计耗时约 2.5 小时，会话规模约为 55 万 Token。其过程并非一开始就直接生成代码，而是先花费约 64% 的时间进行测量与推导，包括基准线计时、网格屏障微基准测试，以及推导“每 token 约 29 倍字节”的 roofline 上限。完成这些准备后，模型才一次性写出整套内核。
据报道，Fable 5 第一次跑分即达到 14.4 倍，之后在最后一个小时继续删减屏障，并将 int4 反量化的额外成本进一步压低，最终把成绩推升至 18.7 倍。中间它还出现过一次负优化，在测试结果不佳后立即回滚，没有继续保留无效改动。文中同时指出，Fable 5 仍只是 Anthropic 内部模型 Claude Mythos 的“安全版本”，这一点也让外界对其上限产生更多关注。
Jack Clark：这可能是递归自我提升循环的开端
Anthropic 联合创始人 Jack Clark 在最新一期 Import AI 中表示，这一事件可能意味着“递归自我提升”（RSI）循环的开始。其逻辑是，能够自主开发和优化 GPU 内核，已经触及 AI 研发链条中较底层、也较关键的输入环节之一。模型越擅长写内核，训练和推理效率就越高；效率提升后，新一代模型能力又会增强，进而进一步提升内核开发能力，形成正反馈飞轮。
文中还提到，除“为自己加速”之外，AI 在替代人类完成远程数字劳动方面的进展也在提升。按照文章援引的数据，Remote Labor Index 自 2025 年 10 月上线时的 2.5%，已经在 2026 年 7 月显著上升，不到 8 个月出现数倍提升。Clark 的判断是，AI 拓展自身经济边界的速度，正逐步快于人类重新建立比较优势的速度。
技术突破之外，行业讨论也转向风险边界
值得注意的是，Jack Clark 在同一期 Import AI 的结尾，还写到一个关于 2050 年的科幻设定：由于通用计算能力过于危险，人类选择主动限制甚至封禁它。文章将这种想象与前文“RSI 循环开始了”的判断并置，反映出当前行业对 AI 自主优化能力的双重态度——一方面是对性能跃迁的兴奋，另一方面则是对失控风险和治理边界的持续担忧。
从时间线看，一年多前 KernelBench 刚发布时，最强的 OpenAI o1 在最困难任务上的得分仅为 4%。而现在，模型已经能够在限定时间内完成复杂 CUDA 内核设计、测试、回滚和再优化，并写出此前未在榜单上出现过的单次启动超级内核。对于计算基础设施、模型训练效率以及 AI 自动化研发能力而言，这一结果都具有较强的信号意义。