Qwen3.8 登顶英伟达算子榜：AI 开始优化自己的算力账单

2026 年 7 月 22 日，Qwen3.8 预览版登上 NVIDIA SOL-ExecBench 的 FlashInfer-Bench 子榜首位。

这张榜不考聊天，也不考网页生成。它让模型写 GPU kernel，再放到真实 B200 上运行，看代码离芯片理论极限还有多远。（来源：NVIDIA SOL-ExecBench、智东西报道）

AI 开始动手削减自己的算力税。

榜首的含金量，在测试方法里

GPU kernel 可以理解成数据中心的排产表。同一座厂房，同一批机器，排产差一点，工人就会等料；排得好，流水线才会贴近设计产能。

大模型的注意力、归一化、MoE 路由，最后都要落成 kernel。代码能运行，只代表厂门开了。访存、线程布局或算子融合没处理好，大量计算单元仍会站着等数据。

传统性能评测常问：“比某份参考实现快多少？”这个问题有个漏洞：参考实现若很慢，候选代码看起来就很强。

SOL-ExecBench 换了一把尺。它根据 B200 的峰值算力和 HBM 带宽计算理论 roofline，再用 SOL-Score 衡量候选 kernel 离上限还有多远。官方评估锁定 B200 的 SM 时钟为 1500 MHz，同时检查数值正确性与多种 reward hacking；运行结果允许约 5% 的波动。（来源：NVIDIA 官方 README）

这张榜把跑道极限当终点，参考实现只是一块路牌。

中文报道披露，完整套件包含 235 项任务，取自 124 个模型。Qwen3.8 夺冠的 FlashInfer-Bench 子集包含 26 个问题，每题覆盖 7—48 个动态 shape。相关数字由媒体转述官方材料，当前没有独立复现。（来源：智东西报道）

模型终于拿到不会客气的反馈

普通代码生成有个老毛病：反馈太软。

代码看着顺眼，测试也可能通过，性能却只能靠工程师继续 profile。模型很容易写出“像答案的代码”，很难知道哪次内存访问浪费了带宽。

Kernel 优化的反馈很硬：编译成功或失败，结果正确或错误，延迟是多少，离 roofline 还有多远。GPU 不会因为回答写得流畅，就多给半分。

千问团队向媒体披露，其训练环境让模型反复经历编译、执行和性能测量，用真实硬件结果作为奖励信号。在本次评测中，模型平均完成 29,354 轮工具调用。这个数字属于厂商披露，尚待第三方验证。（来源：智东西报道）

把它想成一个厨师守着灶台：每炒一锅就计时，检查熟度，改刀工，再炒下一锅。近三万轮之后，它优化的已经不只是一份菜谱，还包括炉火和锅之间的配合。

阿里开源的 Atrex Kernel Agent 展示了这类系统的工程骨架：输入 PyTorch 逻辑或现有 kernel，Agent 负责实现、分析、profiling 和迭代优化。（来源：alibaba/atrex-kernel-agent）

配套的 Atrex-Bench 又设了三关：编译、数值正确、性能。官方仓库列出 30 个主要来自生产 trace 的 operator，支持 Triton、Gluon、FlyDSL、CuteDSL，也覆盖 AMD 与 NVIDIA GPU。（来源：alibaba/atrex-bench、）