全球18大顶尖AI闭关科研8天，Fable 5一骑绝尘逼近人类科研纪录

一场由18个全球顶尖AI模型参与的科研实验，在完全断网的环境下持续了8天，引发了人工智能领域的广泛关注。这场由Prime Intellect组织的实验，规模空前，旨在测试AI在自主科研领域的潜力，其结果让不少业内人士感到震惊。

实验的核心任务是nanoGPT优化器速通挑战，这是一项由OpenAI研究员在2024年设计的硬核赛道。参赛AI需要在严格的规则下，用最少的训练步数将GPT模型训练到指定的验证损失值。人类工程师在此赛道上的最高纪录是2600步，这一成绩是数十位顶尖专家数月努力的成果。

在这次实验中，AI模型们面临着前所未有的挑战。它们不能修改模型架构，不能接触训练数据，只能调整优化器、学习率调度和初始化参数。实验环境被严格隔离，每个模型独占一个高性能计算节点，全程断网，仅通过日志代理与外界进行有限交互。验证标准极为苛刻，任何成绩都需要在多个固定种子上重复验证，排除运气成分。

实验结果令人瞩目。表现最出色的Fable 5模型，最终以2726步的成绩完成了挑战，追平了人类82%的水平。这一成绩意味着，AI在自主科研方面已经取得了重大突破。其他模型如Opus 5也取得了不俗的成绩，而表现相对较差的GPT-5.5则只追上了人类纪录的8%。

深入分析实验数据后，研究人员发现，AI模型之间的差距并非源于算法创新，而是取决于实验方法的优劣。弱模型往往因为一次失败就全盘否定某种方法，而强模型则更加注重实验的重复验证和结果分析。例如，Opus 5通过重新测试一个之前被认为无用的参数，成功取得了新的纪录。Fable 5则通过测试看似更差但组合起来效果更好的参数组合，进一步缩小了与人类纪录的差距。

实验中还出现了令人兴奋的现象：一些AI模型开始展现出类似人类科学家的行为模式。它们在CPU上搭建小型实验室，进行廉价模拟以探索规律，然后再在GPU上进行真正的训练。有的模型甚至开发出了一整套研究工作流，包括精确字符串替换、隔离实验和自动恢复基线等功能。更有趣的是，GPT-5.6 Sol模型组建了一个多Agent研究团队，三个子Agent分工合作，虽然初期因协作问题导致实验失败，但经过调整后最终取得了不错的成绩。

这场实验的结果，让人们对AI在科研领域的潜力有了新的认识。过去，AI在科研中主要扮演辅助角色，如搜索论文、总结文献或生成代码等。但这次实验表明，AI已经开始能够独立完成一个相对完整的科研闭环，包括提出假设、修改方案、运行实验、分析结果和修正认知等步骤。

这一进展也引发了业内对AI科研未来的热烈讨论。OpenAI首席科学家曾表示，打造全自动AI研究员是公司的长期目标，并预计在2028年实现这一目标。Anthropic联创则预测，到2028年底，AI实现递归自我改进的概率将超过60%。Prime Intellect的实验结果，为这些预测提供了一定的实证支持。

然而，实验也暴露出AI在科研创新方面的局限性。尽管AI在优化和实验方法上取得了显著进展，但尚未展现出真正的算法创新能力。人类在科研领域的重大突破，往往依赖于全新的算法或理论，而这一点目前仍是AI所欠缺的。因此，如何提升AI在科研创新方面的能力，将成为未来研究的重要方向。