Prime Intellect 发布自主 AI 研究能力评测：153 次运行对比 18 个前沿模型

Prime Intellect 在 nanoGPT 优化器速跑上跑了 153 次自主运行，覆盖 18 个前沿模型，每次运行最长 8 天、使用 8xH200s，测试模型自主做研究的能力。结果显示模型间差距明显，Fable 5 与 Opus 5 领先，但没有任何一次运行产出全新方法，获胜思路都与已有文献相似。所有轨迹、scratchpad、监控报告和 harness 均已公开在共享研究仓库中。