☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜

人工智能智能体是否具备自主搭建并持续强化 AI 研发基础设施的能力,正日益成为评估前沿大模型“自主性”水平的关键指标。来自卡内基梅隆大学等机构的研究团队近期发布了 Singularity-Bench 这一新型基准测试框架,聚焦 AI 研发全流程,精心设计了六道实操型考题,用以系统评估智能体在真实研发场景中的自主构建能力。在此项挑战中,Claude Opus5.5 联合 Claude Code 展现出强劲表现,交出了一份令人瞩目的答卷。
首 token 延迟骤降 25 倍,调度策略显著释放硬件潜能
在模型推理性能维度,该组合展现出卓越的工程落地能力。在同等硬件配置下,Claude 自主研发的推理引擎将 P90 首 token 延迟从当前主流推理框架 SGLang 的约 12 秒,锐减至仅 0.48 秒——降幅高达约 25 倍。
不仅如此,该引擎还通过精细化任务调度、显存管理与计算流水线重构等手段,全面提升了吞吐效率与 GPU 利用率,使单位硬件资源的 AI 产出能力获得实质性跃升。
在发送至付费API前,通过三层压缩预处理提示词;利用本地Ollama模型智能压缩消息并生成历史摘要。
六题五胜一平,唯一超越人类基线的智能体组合
在 Singularity-Bench 设定的六项 AI 研发任务中,Claude Opus5.5 与 Claude Code 协同完成全部挑战,最终取得五题满分、一题平局的优异成绩,成为该基准中唯一总分超越人类专家基线的智能体方案。
但研究团队同时强调:当前测试仍处于可控实验阶段,所有任务边界、评估标准与成功定义均由人类预先设定。AI 是否能真正突破人类预设框架,实现闭环式、递归式的自我改进与基础设施演进,仍有待更长期、更开放的探索与验证。










