OpenBMB AI代理在NVIDIA B200上優化FlashMLA核心，無原始碼下提升9.8%效能

OpenBMB完成為期22小時的自主GPU核心優化任務，其AI代理在無法存取官方FlashMLA原始碼、文件或剖析資訊的黑箱條件下，成功將執行時間從518微秒降至472微秒。該結果代表效能提升9.8%，且相關優化核心與測試工具已開源釋出。

AI 新聞雷達編輯團隊·本站收錄：2026/11/03 03:47（台灣時間）·閱讀約 2 分鐘

本站收錄時間為新聞雷達完成整理的時間，不代表事件發生時間。原文日期僅在取得明確來源證據時顯示；未標示者請參閱下方原始來源。

30 秒掌握

AI代理僅透過執行與基準測試官方實作進行迭代，未參考任何原始碼或技術文件即達成超越基線的成績。

優化過程歷時22小時，產生32個核心版本並經過42輪迭代，於第10小時內首次突破基線效能。

OpenBMB已開源優化後的FlashMLA核心、涵蓋注意力機制與GEMM等領域的27個運算子，以及ForgeKernel測試框架。

黑箱環境下的自主效能優化成果

OpenBMB執行的ForgeKernel Live任務是一場針對NVIDIA B200 GPU的自主核心優化實驗，總時長約22小時。與傳統依賴程式碼分析的優化不同，該AI代理處於黑箱操作模式，僅能執行並對官方FlashMLA實作進行基準測試，無法存取其原始碼、技術文件或效能剖析資訊。

在這種受限條件下，代理最終產出的核心版本將執行時間從基線的518微秒縮短至472微秒，實現了9.8%的效能提升（即1.098倍性能）。這是該代理在第13個版本時首次超越基線，整個過程共經歷了42輪迭代並生成了32個不同的核心版本。

為了讓社群能夠驗證與延續此項研究，OpenBMB已將優化後的FlashMLA核心程式碼開源。此外，他們還釋出了涵蓋注意力機制、Gated DeltaNet、Kimi Delta Attention、GEMM以及卷積運算等領域的27個運算子。

除了模型與運算子，OpenBMB也發布了ForgeKernel測試框架（harness）。這使得其他開發者或研究者可以利用相同的工具鏈，在自己的環境中執行類似的GPU核心優化實驗，從而評估AI代理在低層級程式碼迭代上的潛力。

此項實驗的關鍵意義在於展示了AI從單純撰寫程式碼，轉向針對真實硬體效能進行迭代優化的能力。代理透過反覆執行與測量實際效能數據來調整核心實作，而非依賴對目標程式碼靜態分析。

原文作者對此方法的發展前景表示好奇，並期待隨著AI代理在CUDA和GPU架構方面能力的提升，這種方法能走多遠。