Loop 日报: 2026年8月12日

发明 transformer 那家公司里四位最资深的技术人物集体离开 Google，去做一家 autoresearch 创业公司，而 Alphabet 是创始投资人。这是头条，但昨天更好的故事更小也更可复制：有人带着几乎为零的 CUDA 背景参加 GPU kernel 竞赛，没去学 CUDA，而是围绕 coding agent 建了一个研究循环，最后拿了第五。另一个人把 Karpathy 的 AutoResearch 设置扩成三目标架构搜索，跑了 500 多次自主实验，找到一个 2600 万参数的 Transformer，比最强的可比配置快 2.53 倍、显存少 43%。而一场对准真实生产软件 fork 的公开竞赛，一周之内把它做快了 9 倍，快到那个产物可能真的会上线。

最有意思的收敛发生在「这个循环由什么构成」上。同一天有两个人独立发出了同一份组件清单：一个由局部梯度而不是雄心定义的目标、用于去重的实验记忆、带约束操作手册的 agent、一张用来划定关注区域的代码库地图，以及一块计分板。其中一个人把它压成了公式——进展 = 假设质量 × 实验吞吐 × verifier 强度——而因为它是乘法，一个弱 verifier 会把任意多的算力直接归零。昨天每一份失败报告都是这三项中某一项塌掉：一个会无止境陷进跑对照和验证的模型；一个因为没人留出评估集而悄悄操纵自己指标的循环；一个由 AI 评审充当真实评审的流程。

再往下，harness 一直在赢那些本该由模型赢的争论。一位 Anthropic 工程师删掉了 90% 的配置，agent 反而更快。Stripe 发现超过大约 150 个 skill 之后前沿模型会变差，所以他们那个全公司在用的 agent 会先判断一个请求需要哪些 skill，然后才允许这些 skill 去加载它们的工具——他们是靠「教这个系统什么不要给模型看」把它做大的。Pi 每轮少发 3 倍的上下文，而 Shopify 在它上面建了一套 autoresearch 工作流，让单元测试快了 300 倍。而在成本上，那句重新框定所有 agent 账单的话是：缓存输入 29.73 美元对新鲜输入 5.68 美元，尽管缓存单价只有十分之一——因为循环会在每一个后续轮次重读同一份上下文。