无问芯穹在英伟达GPU算子评测榜拿下88项单题第一
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
全文梳理
AI 摘要依据下方信源原文自动整理，非原文转载四赛道先后登顶
无问芯穹在SOL-ExecBench的四个赛道中先后取得榜首位置。这一榜单由NVIDIA Research于2026年3月19日推出，评测方式以硬件性能上限作为参照基准，据此换算出SOL Score，用来衡量参赛代码与硬件理论峰值之间的距离。榜单题库共235道题目，取自124个真实及前沿AI模型，覆盖语言、视觉、语音、视频以及多模态等多个方向，因此成绩并非集中在单一任务类型上。四个赛道分别是L1基础、L2融合、Quant量化和FlashInfer-Bench推理，各自对应不同的优化难点：L1考察基础算子的实现质量，L2关注多步计算融合，Quant面向低精度数值格式，FlashInfer-Bench则落在推理场景。无问芯穹在这四条路径上均有登顶记录，说明其优化能力覆盖了从单算子到融合、从高精度到低精度、从训练侧算子到推理侧算子的较宽范围。
单题第一88项
截至2026年10月26日，无问芯穹在L1与Quant两个赛道的总分排名第一，在L2与FlashInfer-Bench两个赛道的总分位列全球第二。更能反映分布情况的是单题成绩：235道题目中，该团队拿下88项单题第一，数量在参赛团队中最多，且超过第二名团队的两倍。分赛道看，L2赛道共82道题，无问芯穹在其中39道题上排名第一，接近该赛道题量的一半。单题第一与总分排名之间的差异，说明其优势并非依赖少数高权重题目拉动，而是在大量独立题目上都能给出更接近硬件上限的实现；同时也表明在L2与FlashInfer-Bench上，其整体总分虽居第二，但单题层面的领先面仍然较广。
各赛道考什么
四个赛道的考察重点各有侧重。L2赛道针对多步计算融合，目标是把原本分散执行的多个计算步骤合并处理，从而减少访存次数与执行开销，这类优化对内存带宽敏感的工作负载尤为关键。Quant赛道覆盖FP8、NVFP4等低精度计算技术，考察在压缩数值位宽的同时维持计算结果可接受的能力。FlashInfer-Bench则聚焦注意力机制与混合专家网络的推理过程，这两类结构在当前模型推理中占据较大比重，优化空间集中在算子调度与数据搬运环节。L1作为基础赛道，承担其余赛道共同依赖的底层实现。参赛团队普遍借助Agent自动生成、测试并优化底层计算代码，把人工调优的部分环节交给自动化流程，这也使得榜单成绩在较大程度上反映团队组织自动化优化流水线、并让其在大量题目上稳定产出的能力。
对读者的参照意义
对关注底层计算优化的读者而言，这份成绩单提供了一组可横向比较的坐标。SOL Score以硬件性能上限为参照，分数本身即表示实现距离峰值的差距，因此同一题目下不同团队的分值差异，可以直接读作优化程度的差异，而不必再换算绝对性能。235道题取自124个真实及前沿模型，题目来源贴近实际部署中会遇到的算子形态，成绩对判断代码在真实负载下的表现具有一定参考价值。SF Tensor称2026年9月25日已有583支团队提交超过3.1万次，参赛规模说明榜单结果经过较多方案的同台比较。需要注意的是，榜单衡量的是给定题目下的代码优化水平，与具体产品在端到端系统中的实际表现之间仍有距离，读者宜将其视为底层算子能力的一项指标，而非整体方案的评价。
为什么值得看
榜单以真实模型负载和硬件性能上限为标尺，可观察Agent自动优化GPU算子的实际水平与竞争格局。
信源1 家
关键事实
相关 · 模型
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。