iCoder-27B：一个 agent 训出来的模型，芯片设计上打赢了 GPT-5.5
一个 agent 要从零做出前沿模型，最少需要多少人？iCoder-27B 认真给出了一个答案。人不跑实验，人只写规则：目标、分阶段的脚手架、权限边界、操作规程，打包成可复用的“研究技能”。剩下全是 agent 干的：演化训练数据，跑 SFT、在线自蒸馏和可验证奖励的强化学习，读结果，改计划。
产出是一个 27B 模型，干两件一点都不性感但非常值钱的活：RTL 硬件设计和 GPU kernel 优化。七个基准里，它在 RTLLM 上第一，超过 GPT-5.5 和 Claude Opus 4.8；在 CVDP 和 KernelBench L2 上第二，后者比 GPT-5.5 高 16 个点；TritonBench 上和 Opus 4.8 并列第一。作者还报告说，它做迭代优化时用的 token 少得多。
最有意思的设计是人坐在哪儿。不是在循环里每小时拧一次旋钮，而是在上游，作者管这叫“高密度、低频率的接口”。这其实就是技能文件的思路用到了研究本身：专家的判断一次性编译成流程和边界，agent 在里面跑大量便宜的迭代。和上个月那些 AI for AI 的结果是同一个套路，只不过这次瞄准的是能发布的模型，不是玩具。
两个保留意见。对比模型已经落后一代了，是 GPT-5.5 和 Opus 4.8，不是这个月的新模型。另外这类论文大多只报告 agent 做成了什么，很少讲它试过又扔掉了什么，而恰恰是在那里，你才会找到这周另一篇论文测出的 30% 刷分率。尽管如此，一个主要由 agent 造出来的领域模型，在硬件任务上打赢通用前沿模型，这是 AI for AI 往哪走的一个清晰数据点。出现在 arXiv 9 月 25 日的新论文列表里。
链接：arxiv.org/abs/2609.29626
← 返回所有文章
产出是一个 27B 模型，干两件一点都不性感但非常值钱的活：RTL 硬件设计和 GPU kernel 优化。七个基准里，它在 RTLLM 上第一，超过 GPT-5.5 和 Claude Opus 4.8；在 CVDP 和 KernelBench L2 上第二，后者比 GPT-5.5 高 16 个点；TritonBench 上和 Opus 4.8 并列第一。作者还报告说，它做迭代优化时用的 token 少得多。
最有意思的设计是人坐在哪儿。不是在循环里每小时拧一次旋钮，而是在上游，作者管这叫“高密度、低频率的接口”。这其实就是技能文件的思路用到了研究本身：专家的判断一次性编译成流程和边界，agent 在里面跑大量便宜的迭代。和上个月那些 AI for AI 的结果是同一个套路，只不过这次瞄准的是能发布的模型，不是玩具。
两个保留意见。对比模型已经落后一代了，是 GPT-5.5 和 Opus 4.8，不是这个月的新模型。另外这类论文大多只报告 agent 做成了什么，很少讲它试过又扔掉了什么，而恰恰是在那里，你才会找到这周另一篇论文测出的 30% 刷分率。尽管如此，一个主要由 agent 造出来的领域模型，在硬件任务上打赢通用前沿模型，这是 AI for AI 往哪走的一个清晰数据点。出现在 arXiv 9 月 25 日的新论文列表里。
链接：arxiv.org/abs/2609.29626
评论