一项名为 Singularity-Bench 的新基准测试,将 AI 智能体能否自主搭建和强化 AI 研发基础设施作为观察前沿模型自主能力的重要维度。该测试由卡内基梅隆大学等机构研究人员提出,共设置六道与 AI 研发相关的题目,用来衡量智能体在自主构建 AI 研发能力方面的表现。
在这组测试中,Claude Opus5.5 与 Claude Code 组合受到关注。它在六项 AI 研发考题中取得五胜一平,成为唯一总分超过人类基线的参赛组合。不过测试任务范围仍由人类划定,距离真正意义上的 AI 递归自我改进还有待持续探索与验证。
推理性能方面,该组合展现出较强的工程优化能力。在相同硬件条件下,Claude 自研推理引擎将 P90 首 token 延迟从成熟推理引擎 SGLang 的大约 12 秒压缩到 0.48 秒。
除首字响应速度明显缩短外,这套推理引擎还通过调度优化等方式,提高了整体处理效率与显卡产出表现。
