AI给自己写代码：168小时提速6倍，纪录却挑了个旧的

11月9日，百度文心在官方研究博客放出一套系统，叫ERNIE Evolve。给它一个代码仓库、一个优化目标、一套评测标准，它自己找方向、改代码、跑实验，把有用的留下。

接进真实生产环境后，最扎眼的是623.6%。

在昆仑芯P800的低时延场景，它跑了约168小时，试了4轮方向：接原生融合算子、启用投机解码、改主机调度和同步机制、修通信路径。最优那版生成速度是基线的6.2倍，模型和部署方式都没动。

确定性推理吞吐那项，3天，3个方向，提到基线的133.7%。每个token平均生成时间缩短26%，首token延迟降12%。前提是严格保持确定性，不管批怎么组，采样结果必须逐位一致。

单请求解码速度提升14.9%，那个基线已经被工程师反复调过。

三个数字背后有个细节：把确定性采样换掉。那一步原来吃掉每轮约14%的GPU时间，改成一个Triton内核并行处理词表分块之后，成了单项最大收益。

架构上防了一手。评测器放在仓库外面，智能体看不见，增益必须超过噪声阈值。另有复核程序专查有没有钻评测漏洞、有没有跑偏方向。两道都过才留下。

公开基准上也打了三个。NanoChat验证集BPB 0.8763，公开对照是10个种子均值0.887791。NanoGPT Speedrun第一赛道8张H100用38.92秒，原纪录39.9秒；第三赛道2590步，原纪录2690步。

冷水在这儿。

SOL-ExecBench那项，235个kernel问题，它拿0.819，榜首0.827。没赢。

更要紧的是那个39.9秒。百度拿它当对照，可10月28日已经有人在PR里贴出6.7秒的成绩。挑一个被人打破的数字当靶子，赢了也不硬气。

系统没开源，GitHub上只有最终代码和日志，生产收益全是自报。

但有一处跟上次不一样。

11月5日METR那份报告说，Anthropic一年走完两年的路，八成加速来自AI自己，然后那张量化表被删了。这次百度把每轮改动的代码、结果、日志都摊出来，日志里内嵌执行代码或者标SHA-256。

过程敢不敢给人看，是这件事真正的分水岭。

AI开始帮人写AI那天起，比的东西就变了。比谁愿意把中间过程摆在桌上。

百度自己的说法是，这套闭环必须由人控制、可中断，在明确的目标、权限、资源边界内跑。这话听着稳，也说明他们知道边界在哪。

能自己改代码，却得靠人决定它能不能继续改。这个分寸比623.6%难拿捏。

你觉得，让AI改自己的代码，哪一步最该有人盯着？