Chinesische KI stürmt die NVIDIA-GPU-Leistungsbestenliste ab – dieses Unternehmen holt sich 88 erste Plätze

Yunzhong, berichtet aus Afeisi

Quantum Bit | öffentliches Konto QbitAI

Kürzlich erzielte Infinigence AI (无问芯穹) auf dem von NVIDIA Research vorgestellten GPU-Operator-Leistungsranking SOL-ExecBench [1] beeindruckende Ergebnisse:

Das Unternehmen führte nacheinander die Spitze in allen vier Wettbewerbsbereichen an: L1-Basisoperatoren, L2-fusionierte Operatoren, Quant-Quantisierungsoperatoren und FlashInfer-Bench-Inferenzoperatoren.

Was ist SOL-ExecBench?

SOL-ExecBench ist ein Benchmark zur Operator-Optimierung, den NVIDIA Research am 19. März 2026 vorgestellt hat. SOL ist die Abkürzung für Speed of Light, was „Lichtgeschwindigkeit“ bedeutet und hier die auf Grundlage der Hardware-Fähigkeiten abgeleitete theoretische Leistungsgrenze bezeichnet.

Anders als herkömmliche Bewertungen, die hauptsächlich die Beschleunigung relativ zu einer Software-Baseline vergleichen,führt SOL-ExecBench den SOL Score ein, der an der hardwarebedingten Leistungsobergrenze orientiert ist, und führt die tatsächlichen Tests auf Hochleistungs-Grafikkarten durch.

Das Ranking umfasst 235 Operator-Optimierungsaufgaben, die aus 124 realen und modernsten KI-Modellen extrahiert wurden, und deckt Bereiche wie Sprache, Vision, Sprachverarbeitung, Video und Multimodalität ab. Es ist in vier Wettbewerbsbereiche unterteilt:

• L1-Basisoperatoren:Prüfung der effizienten Implementierung grundlegender Recheneinheiten.
• L2-fusionierte Operatoren:Prüfung der fusionierten Ausführung mehrerer Rechenschritte und deren gemeinsamer Optimierung, um Speicherzugriffe, Datenübertragungen und Ausführungsaufwand zu reduzieren.
• Quant-Quantisierungsoperatoren:Abdeckung von Techniken der Niederpräzisionsberechnung wie FP8 und NVFP4, die eng mit der Leistung und den Kosten der Inferenz großer Modelle verbunden sind.
• FlashInfer-Bench-Inferenzoperatoren:Fokus auf Schlüsselberechnungen in der Online-Inferenz großer Modelle, wie Aufmerksamkeitsmechanismen und Mixture-of-Experts-Netzwerke.

Ein herausragendes Merkmal von SOL-ExecBench ist,dass die Arbeitslasten direkt aus den Berechnungsgraphen realer modernster Modelle extrahiert werden und der Fokus auf der Leistungsgrenze dieser Berechnungen auf GPUs der neuen Generation liegt.。

Anmerkung: Dies ist ein globaler Wettbewerb mit kontinuierlicher Konkurrenz und häufigen dynamischen Aktualisierungen. Während die Teams ständig neue Optimierungslösungen einreichen, ändern sich auch die Ranglisten – der Wettbewerb ist äußerst intensiv.

Stand 26. Oktober 2026 belegt Infinigence AI im Gesamtergebnis der beiden Wettbewerbsbereiche L1 und Quant weiterhin den ersten Platz weltweit, in den Bereichen L2 und FlashInfer-Bench den zweiten Platz weltweit; bei allen 235 GPU-Operator-Optimierungsaufgabenerreichte das Unternehmen mit 88 ersten Plätzen in Einzelaufgaben den Spitzenwert unter allen teilnehmenden Teams – mehr als das 2-fache der Anzahl der Einzelsiege des Zweitplatzierten.

Besonders im Wettbewerbbereich L2-fusionierte Operatoren, der komplexe Optimierungsfähigkeiten prüft, holte Infinigence AI von 82 Aufgaben39 erste Plätze– fast die Hälfte.

Dieser Wettbewerb, der die weltweit führenden Kräfte in der KI-Infrastruktur und in der Agentenentwicklung vereint, wird zu einer wichtigen Bühne für die Prüfung der Fähigkeiten zur Optimierung von KI-Rechenleistung der neuen Generation.

Von GPU Maxxing zu Token Maxxing: ein globaler Wettstreit um die Umwandlung von KI-Produktivität

Der Wert der KI-Produktivität basiert auf einer vollständigen Umwandlungskette von „Investitionen – Strom/Karten – Tokens – Produktivität – Wert“.

Unter dem Einfluss der frühen Scaling Laws waren der Einsatz zusätzlicher Rechenressourcen und die Maximierung der GPU-Effizienz wichtige Mittel, um Durchbrüche bei der Modellleistung zu erreichen und die Token-Produktion zu steigern.

Mit der Entwicklung von Agents werden Tokens zu einer Investition bei der Aufgabenausführung und nicht zur endgültigen Lieferung,Modelle können durch längeres Reasoning, mehr Durchläufe von Versuchen und Validierungen Probleme lösen, die zuvor schwer zugänglich waren, doch allein eine Erhöhung des Token-Einsatzes führt nicht zwangsläufig zu einer Verbesserung der Aufgabenergebnisse.

Wenn stets ähnliche Versuche wiederholt werden und sich die Richtung nicht aus dem Feedback der Ausführung korrigieren lässt, können auch noch so viele Tokens im Kreislauf des Sich-im-Kreis-Drehens verbraucht werden.

Der zentrale Fokus der Branche verschiebt sich zunehmend von GPU Maxxing hin zu Token Maxxing:Es gilt nicht nur, die Umwandlungseffizienz von „Strom“ zu „Tokens“ zu steigern, sondern auch mehr Tokens tatsächlich in Modellfähigkeiten und Aufgabenergebnisse umzuwandeln und so eine effiziente Transformation von „Tokens“ zu „Produktivität“ zu erreichen.

SOL-ExecBench liefert konkrete Szenarien, um diese Fähigkeit zu prüfen.Dabei werden Rechenlasten aus realen, modernsten Modellen extrahiert, die grundlegende Operatoren, komplexe Fusionen, Rechnungen mit geringer Präzision und Inferenz-Optimierung abdecken; der eingereichte Code muss zugleich Korrektheit und Leistungsanforderungen erfüllen. Hier muss ein Agent Codegenerierung, Kompilierung und Ausführung, Leistungsanalyse sowie wiederholte Optimierung durchlaufen; sein Arbeitsergebnis wird letztlich anhand der Ausführungsergebnisse auf realer Hardware gemessen.

Dieser Benchmark zog an,darunter der globale Daten- und KI-Plattformanbieter Databricks, das von Y Combinator inkubierte AI-Infra-Startup SF Tensor, das renommierte Team der KI-Programmierwerkzeuge Cursor sowie technologisch aktive Teams im Bereich der automatisierten Operator-Optimierung wie Recursive, doubleAI und Geometric。

Laut den von SF Tensor am 25. September 2026 veröffentlichten Daten hatten zu diesem Zeitpunkt bereits583 Teams insgesamt über 3.1万 Einreichungen von Evaluierungen vorgenommen – mit einer hohen Frequenz von durchschnittlich etwa einer öffentlichen Einreichung alle 8 Minuten wurde die Rangliste kontinuierlich aktualisiert。

Zahlreiche teilnehmende Teams nutzten Agents, um Code auf niedriger Ebene automatisch zu generieren, zu testen und zu optimieren, sodass dieser Wettbewerb sowohl den Anspruch an GPU-Kernel-Optimierung als auch die Frage prüft, wie man Modellfähigkeiten zu einem System organisiert, das komplexe Engineering-Aufgaben kontinuierlich bewältigen kann.

In diesem intensiven globalen Wettstreit erreichte Infinigence nacheinander den weltweit ersten Platz in den vier großen Kategorien L1, L2, Quant und FlashInfer-Bench.

Dieszeigt einerseits das technologisch angesammelte Know-how des Teams in der Operator-Optimierung und der Software-Hardware-Koordination, andererseits prüft es die Fähigkeit des Teams, durch Agentic Infra Token-Investitionen in validierte Rechenleistungsgewinne umzuwandeln und damit einen wirksamen Weg zu erproben, wie KI komplexe Aufgaben selbstständig erledigen kann。

Mit KI-Produktivität die Weiterentwicklung der Infra vorantreiben und mit technischer Praxis die ingenieurmäßige Umsetzung von RSI unterstützen

Von der Ressourcenbereitstellung über die Token-Produktion bis zur Lieferung tatsächlicher Produktivität und der Einlösung von Wert arbeitet die Agentic Infra von Wuxinwuqiong (Infinigence) stets daran, diese Kette vom einseitigen Voranschreiten zu einer sich schließenden Evolutions-Schleife zu entwickeln.

Das Team hofft,dass Agenten nicht nur Token verbrauchen, um Aufgaben zu erledigen, sondern die geschaffene Produktivität der Infrastruktur selbst zugutekommen lassen, die Token-Produktion kontinuierlich steigern und Wege zur Verwirklichung von RSI in der KI-Infrastruktur erkunden.

Die Aufgabe der Operator-Optimierung bietet einen konkreten Ansatzpunkt, um diesen Prozess zu erkunden:Die Ausführungseffizienz von GPU-Kernels wirkt sich direkt auf die Ausnutzung der Hardwareleistung aus; effiziente, von Agenten gefundene Implementierungen können nach Verifizierung und Anwendung in Trainings- und Inferenzsystemen die Rechenaufwände weiter senken und die Erträge der Operator-Optimierung bis in die Token-Produktion hinein ausdehnen.

In diese Richtung gehend muss zunächst gelöst werden, wie Agenten kontinuierlich zuverlässige Optimierungsergebnisse hervorbringen können. Ob Code korrekt ausgeführt wird, wo die Leistungsengpässe liegen und ob eine Änderung echte Verbesserungen bringt – all das lässt sich nur durch tatsächliche Ausführung beurteilen und wird zur Grundlage der nächsten Explorationsrunde.

Zu diesem Zweck hat Wuxinwuqiong rund um SOL-ExecBench einen Operator-Optimierungs-Agenten aufgebaut, der Codegenerierung, Ausführungsverifizierung, Leistungsanalyse und Erfahrungssammlung zu einem kontinuierlichen Arbeitsablauf organisiert.

Im Folgenden wird anhand von drei Aspekten – containerisierte isolierte Ausführung, Skills-Wahrnehmung und gemeinsamer Memory sowie aufgabenspezifische Optimierungsstrategien – erläutert, wie Wuxinwuqiong Agenten konkret dabei unterstützt, mit echtem Hardware-Feedback kontinuierliche Verbesserungen zu erzielen.

Containerisierte Isolationsarchitektur

Bei der Ausführungsarchitektur setzt das System auf containerisierte Isolation und entkoppelt den Agenten-Arbeitsbereich, den Evaluierungsbereich und den Debug-Bereich.Im Arbeitsbereich, in dem Netzwerkzugriff erlaubt ist, aber keine GPU direkt zugewiesen wird, lädt der Agent Skills, gemeinsame Memory und Optimierungsstrategien über externe Mounts, verfasst Code und reicht Berechnungsanfragen ein.

Ein Ressourcen-Scheduler auf dem Host verwaltet die GPUs zentral, reiht Anfragen in die Warteschlange ein und weist sie bedarfsabhängig zu; die Evaluierung erfolgt in einem Image, das an die offizielle Evaluierungsumgebung angeglichen ist, das Debugging in einem Image mit integrierten Profiling-Werkzeugen. Beide Ausführungscontainer haben deaktivierten Netzwerkzugriff, und die Ergebnisse werden an den Agenten zurückgegeben, wodurch sich eine iterative Schleife aus „Codegenerierung – Evaluierungsverifizierung – Leistungsanalyse – Strategieanpassung“ bildet.

Dieses isolierte Design dient dazu,zu verhindern, dass der Agent im Verlauf der automatischen Optimierung die Evaluierungsbeschränkungen umgeht.Wenn der Agent die Leistungskennzahl als Optimierungsziel verwendet, kann seine Exploration vom eigentlichen Operator-Code abweichen und stattdessen versuchen, Evaluierungsskripte zu verändern, in die Zeitmessungslogik einzugreifen, auf Referenzergebnisse zuzugreifen oder Schwachstellen der Umgebung auszunutzen, um Punkte zu erhalten, die nicht aus einer echten Steigerung der Recheneffizienz stammen.Container-Isolation, Rechtekontrolle und eine kontrollierte Einreichungsschnittstelle bilden gemeinsam die Ausführungsgrenzen, sodass der Agent Kandidaten-Operatoren kontinuierlich optimieren kann, während seine Eingriffe in den Evaluierungsprozess selbst begrenzt werden.

Modulare Skills und gemeinsamer Speichermechanismus

Beim Aufbau der Agenten-Fähigkeiten bindet das System nicht nur über modulare Skills das Technologie-Know-how der Open-Source-Community ein, sondern hilft mit einem speziellen Framework-Wahrnehmungs-Skill dem Agenten auch, relevante Frameworks zu verstehen und zu nutzen, und nutzt gleichzeitig einen gemeinsamen Memory, um Optimierungserfahrungen kontinuierlich zu sammeln und wiederzuverwenden.

• Wissensdatenbank- und Leistungs-Debug-Skills: Aus der Open-Source-Community stammend, bieten sie dem Agenten Unterstützung in Form von GPU-Programmierwissen, Methoden der Leistungsanalyse und Optimierungswerkzeugen.
• Auf Laufzeit-Frameworks ausgerichteter Interaktions-Skill: Er verschafft dem Agenten im Arbeitsbereich Klarheit über seine Ausführungsumgebung, die aufrufbaren Fähigkeiten und die Operationsgrenzen; über eine einheitliche CLI-Schnittstelle startet er Debugging, reicht Evaluierungen ein, fragt Aufgabenstatus ab und liest Ergebnisse.
• Gemeinsamer Memory: Er dient dazu, in der tatsächlichen Optimierung verifiziert wirksame Strategien, Anwendungsbedingungen und praktische Erfahrungen festzuhalten, damit unterschiedliche Aufgaben bereits vorhandene Explorationsergebnisse wiederverwenden können.

Diese Mechanismen treiben gemeinsam an, dass der Agent fachliche Fähigkeiten aufruft, Laufzeit-Frameworks korrekt nutzt und in kontinuierlicher Iteration Erfahrungen sammelt und wiederholte Explorationen reduziert.

Fein abgestimmte Optimierungsstrategien für Aufgabeneigenschaften

Bei den Optimierungsstrategien organisiert das System eine mehrschichtige Exploration entlang von Workload-Merkmalen, Leistungsengpässen und Zeitbudget.

Das System führt den Agenten an, entsprechend dem Optimierungszeitbudget geeignete Programmierabstraktionen und DSLs (domänenspezifische Sprachen) auszuwählen, zwischen DSLs verschiedener Granularität wie Triton, TileLang und CuTe DSL Entwicklungseffizienz und Leistungspotenzial abzuwägen und durch schrittweise Generierung niedrigerer Sprachniveaus (wie CUDA, PTX) den Hardware-Leistungsraum kontinuierlich auszuschöpfen.

Für verschiedene Rechenszenarien werden die Optimierungsstrategien weiter verfeinert:

• Rechneintensive Aufgaben: Im Vordergrund stehen die Bewertung der Tensor-Core-Auslastung, der Blockbildung und der Datenwiederverwendung; es werden asynchrone Datenübertragungen und Pipeline-Überlappung erkundet, wobei gleichzeitig Register- und Shared-Memory-Belegung gegen die effektive Parallelität abgewogen werden.
• Speicherzugriffsintensive Aufgaben: Vorrangig redundante Lese-/Schreibvorgänge und das Zwischenspeichern von Zwischenergebnissen reduzieren, den zusammengeführten Speicherzugriff, vektorisierte Zugriffe und die Wiederverwendung von Caches optimieren und die Datentransportmenge pro Einheit effektiver Berechnung senken.
• Berechnungskette mit mehreren Operatoren: Den Nutzen von Operator-Fusionierung für Speicherzugriffs- und Startaufwand bewerten und dabei zugleich den Registerdruck, die Synchronisationskomplexität und Veränderungen der Parallelität nach der Fusionierung beachten. Für geeignete Abhängigkeitsketten kann programmgesteuertes abhängigkeitsbasiertes Starten (PDL, Programmatic Dependent Launch) erkundet werden, bei dem Arbeiten in nachfolgenden Kernels, die nicht von vorherigen Ergebnissen abhängen, vorzeitig ausgeführt werden und die erforderliche Synchronisation vor dem Lesen abhängiger Daten abgeschlossen wird; für Aufgaben, die sich für persistentes Ausführen eignen, wird der Persistent Kernel erkundet, der durch kontinuierlich residente CTAs und die zyklische Verarbeitung mehrerer Arbeitseinheiten den Aufwand für Thread-Block-Scheduling und Initialisierung amortisiert und mittels Pipeline-Parallelität die Ausführungseffizienz weiter steigert.
• Kleine Shapes, Aufgaben mit geringer Latenz: Schwerpunktmäßig die Anzahl der Thread-Blöcke, unnötige Threads, Randbehandlung sowie Instruktions- und Synchronisationsaufwand kontrollieren und eine zu starke Blockaufteilung oder komplexe Pipelines vermeiden, die Fixkosten einführen würden, die durch effektive Berechnung nicht amortisiert werden können.

Durch die Kombination aus offener Fähigkeiten-Wiederverwendung, mehrschichtiger Leistungsoptimierung und Feedback aus realer Hardware möchte Wuxin Qiong (Infinigence) das stark von Expertenwissen abhängige Tuning von GPU-Operatoren in einen Optimierungsprozess verwandeln, den ein Agent autonom erkunden, kontinuierlich lernen und skalierbar ausführen kann.

Mit kontinuierlicher Innovation bei Agentic Infra die Grenzen der intelligenten Evolution erweitern

Die Ergebnisse von SOL-ExecBench sind kein isolierter technologischer Durchbruch, sondern eine natürliche Fortsetzung der langjährigen tiefgehenden technologischen Innovationsarbeit von Wuxin Qiong (Infinigence) im Bereich Agentic Infra.

Von der Verbindung von „M Modellen“ mit „N Chips“ bis hin zur Agentic-Infra-Strategie des „Vorderladen, Hinterfabrik und einem Zentrum“ mit den Kernprinzipien „vielfältig heterogen, Hard-/Software-Koordination und autonome KI“ konzentriert sich Wuxin Qiong (Infinigence) stets auf die zentralen Glieder der KI-Produktivitätskette bei seiner technologischen Erkundung und Praxis.

Die diesjährigen Erkundungen und Ergebnisse bei SOL-ExecBench sind nicht nur eine Zwischenbilanz ihrer langfristigen technologischen Route im Bereich der Optimierung der untersten Rechenebene. Wichtiger noch ist, dass sie die Machbarkeit beweisen,diese Effizienzoptimierungsfähigkeit weiter der KI selbst zu übergeben – ein RSI-Pfad –, womit zunächst ein Evolutionsschließkreis vom Token-Produkt zur Produktivitätsschöpfung und durch die Produktivität zurück zur Speisung der Infra erreicht wurde.

Als nächsten Schritt möchte Wuxinwuqiong diese Untersuchung auf das Task-Ausführungsframework der Agenten selbst ausweiten. Durch Modifikation und Validierung von Aufgabenplanung, Tool-Aufrufen, Speicherverwaltung und Feedback-Mechanismen soll der Agent während der Erledigung seiner Aufgaben schrittweise seine eigene Methode zur Problemlösung verbessern.

Wenn die Optimierungsergebnisse nicht nur die Recheneffizienz steigern, sondern auch den Mechanismus verbessern, der die Optimierungslösungen hervorbringt, kann kontinuierliche Exploration in ein kontinuierliches Fähigkeitswachstum umgeschlagen werden.

Im Hinblick auf die zukünftige Entwicklung von RSI und AGI ist sich das technische Team von Wuxinwuqiong trotz großer Zuversicht durchaus bewusst, dass zwischen einzelnen technischen Durchbrüchen und einer echten systemweiten Fähigkeit noch ein langer Weg liegt, und dass auch für die Überführung lokaler Optimierungen in echte Produktivität weitere technologische Erkundungen und Kooperationen erforderlich sind.

Von der Effizienzsteigerung der Rechenleistungsnutzung durch KI bis zur Beteiligung der KI an der Optimierung der Rechenleistungssysteme selbst treibt Wuxinwuqiong kontinuierlich die Entwicklung der Infrastruktur voran – weg von der bloßen Unterstützung von KI-Innovationen, hin zu einer Ko-Evolution mit KI – und erkundet neue Wege für die kontinuierliche Bereitstellung wirksamer KI-Produktivität.

Danksagung:
Humanize-Community (https://github.com/humanfia/humanize)

Literaturverzeichnis:
[1] SOL-ExecBench: Benchmarking mit Lichtgeschwindigkeit für reale GPU-Kernels anhand von Hardwaregrenzen. 2026. https://arxiv.org/abs/2603.19173
[2] KernelBench: Können LLMs effiziente GPU-Kernels schreiben? ICML 2025. https://arxiv.org/abs/2502.10517
[3] MultiKernelBench: Ein Multi-Plattform-Benchmark zur Kernel-Generierung. 2025. https://arxiv.org/abs/2507.17773
[4] CANN Bench: Benchmarking von agentengenerierten Kernels anhand realer NPU- und algorithmischer Grenzen. 2026. https://arxiv.org/abs/2607.20518

*Dieser Artikel wurde von QbitAI mit Genehmigung veröffentlicht; die dargestellten Ansichten liegen allein bei den ursprünglichen Autoren.