La IA china arrasa en el ranking de rendimiento de GPU de NVIDIA, y esta empresa se lleva 88 primeros puestos

Yunzhong, desde凹非寺

QbitAI | Cuenta oficial QbitAI

Recientemente, en SOL-ExecBench [1], el ranking de evaluación de rendimiento de operadores de GPU lanzado por NVIDIA Research, 无问芯穹 (Infinigence AI) obtuvo resultados destacados:

Alcanzó sucesivamente el primer puesto en las cuatro grandes categorías: operadores básicos L1, operadores fusionados L2, operadores de cuantización Quant y operadores de inferencia FlashInfer-Bench.

¿Qué es SOL-ExecBench?

SOL-ExecBench es un benchmark de optimización de operadores lanzado por NVIDIA Research el 19 de marzo de 2026. SOL es la abreviatura de Speed of Light, que significa “velocidad de la luz”, y aquí se refiere al límite teórico de rendimiento deducido a partir de la capacidad del hardware.

A diferencia de las evaluaciones tradicionales, que comparan principalmente la aceleración relativa respecto a una línea base de software,SOL-ExecBench introduce el SOL Score, que toma como referencia el límite superior de rendimiento del hardware, y realiza pruebas reales en tarjetas de alto rendimiento computacional.

El ranking incluye 235 problemas de optimización de operadores extraídos de 124 modelos de IA reales y de vanguardia, que cubren los campos del lenguaje, la visión, la voz, el vídeo y la multimodalidad, y se divide en cuatro grandes categorías:

• Operadores básicos L1:Evalúa la implementación eficiente de módulos computacionales básicos.
• Operadores fusionados L2:Evalúa la ejecución fusionada y la optimización cooperativa de múltiples pasos computacionales, reduciendo el acceso a memoria, el traslado de datos y los costos de ejecución.
• Operadores de cuantización Quant:Cubre tecnologías de computación de baja precisión como FP8 y NVFP4, estrechamente relacionadas con el rendimiento y el costo de la inferencia de grandes modelos.
• Operadores de inferencia FlashInfer-Bench:Se centra en cálculos clave de la inferencia en línea de grandes modelos, como los mecanismos de atención y las redes de expertos mixtos.

Una característica destacada de SOL-ExecBench es queextrae directamente las cargas de trabajo de los grafos computacionales de modelos reales de vanguardia, y se centra en evaluar los límites de rendimiento de estos cálculos en las GPU de nueva generación。

Nota: este es un ranking global de competencia continua, con actualizaciones dinámicas de alta frecuencia. A medida que los distintos equipos presentan nuevas soluciones de optimización, las clasificaciones también cambian, y la competencia es muy intensa.

A fecha del 26 de octubre de 2026, 无问芯穹 seguía ocupando el primer puesto mundial en la puntuación total de las dos categorías L1 y Quant, y el segundo puesto mundial en las categorías L2 y FlashInfer-Bench; de los 235 problemas de optimización de operadores de GPU en total,Con 88 primeros puestos en problemas individuales, se sitúa a la cabeza de todos los equipos participantes, superando en más de 2 veces la cantidad de primeros puestos individuales del segundo clasificado.

Especialmente en la pista de operadores fusionados L2, que pone a prueba la capacidad de optimización de cálculos complejos, 无问芯穹 se adjudicó 82 de los problemas39 primeros puestosde los 82 problemas, casi la mitad.

Esta competencia, que reúne a las mejores fuerzas mundiales en investigación y desarrollo de infraestructura de IA y agentes inteligentes, se está convirtiendo en un escenario importante para poner a prueba la capacidad de optimización de la nueva generación de cómputo de IA.

De GPU Maxxing a Token Maxxing: una competición global de conversión de productividad de IA

La materialización del valor de la productividad de la IA se apoya en una cadena completa de transformación de “inversión - electricidad/tarjetas - Tokens - productividad - valor”.

Impulsada por las primeras Scaling Laws, invertir más recursos computacionales y maximizar la eficiencia de la GPU era un medio importante para impulsar avances en el rendimiento de los modelos y aumentar la producción de Tokens.

Y a medida que se desarrollan los Agent, el Token se convierte en el insumo de la ejecución de tareas, en lugar del entregable final,los modelos pueden superar problemas que antes eran difíciles de resolver mediante razonamientos más largos y más rondas de intentos y verificaciones, pero el simple aumento de la inversión en Tokens no conlleva necesariamente una mejora en los resultados de la tarea.

Si se repiten constantemente intentos similares sin poder corregir la dirección a partir de la retroalimentación de la ejecución, por muchos Tokens que haya, podrían consumirse dando vueltas en el mismo lugar.

El foco de atención de la industria está pasando de GPU Maxxing hacia Token Maxxing:no solo se trata de mejorar la eficiencia de conversión de la "electricidad" a "Tokens", sino también de que más Tokens se transformen realmente en capacidades del modelo y resultados de tareas, logrando una conversión eficiente de "Tokens" a "productividad".

SOL-ExecBench ofrece escenarios concretos para evaluar esta capacidad.Extrae cargas computacionales de modelos reales de vanguardia, cubriendo operadores básicos, fusiones complejas, cálculos de baja precisión y optimización de inferencia, y exige que el código presentado cumpla simultáneamente con requisitos de corrección y de rendimiento. Aquí, los Agent deben pasar por generación de código, compilación y ejecución, análisis de rendimiento y ajustes repetidos, y sus resultados finales se miden por los resultados de ejecución en hardware real.

Esta evaluación atrajo aequipos técnicos como la empresa global de plataformas de datos e IA Databricks, la startup de AI Infra incubada por Y Combinator SF Tensor, el reconocido equipo de herramientas de programación con IA Cursor, así como Recursive, doubleAI, Geometric y otros equipos activos en el campo de la optimización automatizada de operadores.。

Según los datos publicados por SF Tensor el 25 de septiembre de 2026, en ese momento ya había583 equipos presentaron de forma acumulada más de 3.1万 evaluaciones, con una frecuencia media de aproximadamente una presentación pública cada 8 minutos, impulsando continuamente la actualización de la clasificación.。

Numerosos equipos participantes utilizan Agent para generar, probar y optimizar automáticamente código computacional de bajo nivel, de modo que esta competencia pone a prueba tanto el nivel de optimización de GPU Kernels como la capacidad de organizar las capacidades del modelo en sistemas capaces de completar de forma sostenida tareas de ingeniería complejas.

En esta feroz competencia global, Infinigence (无问芯穹) logró sucesivamente el primer lugar mundial en las cuatro grandes categorías: L1, L2, Quant y FlashInfer-Bench.

Estorefleja tanto la acumulación técnica del equipo en optimización de operadores y colaboración hardware-software, como la capacidad de convertir la inversión en Tokens en beneficios de rendimiento computacional verificados mediante Agentic Infra, explorando así vías eficaces para que la IA complete de forma autónoma tareas complejas.。

Retroalimentar la evolución de la Infra con la productividad de la IA, e impulsar la implementación de ingeniería de RSI mediante la práctica técnica.

Desde la inversión de recursos hasta la producción de Tokens, y de ahí a la entrega de productividad real y materialización de valor, la Agentic Infra de Wuwen Xinqiong se dedica siempre a llevar esta cadena de un avance unidireccional hacia una evolución en circuito cerrado.

El equipo esperaque los Agentes no solo consuman Tokens para completar tareas, sino que puedan retroalimentar la productividad creada a la propia infraestructura, mejorando continuamente la producción de Tokens y explorando la vía de realización de la RSI en la infraestructura de IA.

Las tareas de optimización de operadores ofrecen un punto de entrada concreto para explorar este proceso:La eficiencia de ejecución de los GPU Kernels afecta directamente al rendimiento del hardware; las implementaciones eficientes que el Agente encuentre, una vez verificadas y aplicadas a los sistemas de entrenamiento e inferencia, podrían reducir aún más el costo computacional, extendiendo los beneficios de la optimización de operadores a la fase de producción de Tokens.

Siguiendo esta dirección, lo primero que hay que resolver es cómo lograr que el Agente produzca de forma continua resultados de optimización fiables. Si el código puede ejecutarse correctamente, dónde está el cuello de botella de rendimiento y si una modificación aporta una ganancia real, todo debe determinarse mediante ejecución práctica y convertirse en la base de la siguiente ronda de exploración.

Para ello, Wuwen Xinqiong construyó un Agente de optimización de operadores en torno a SOL-ExecBench, organizando la generación de código, la verificación por ejecución, el análisis de rendimiento y la acumulación de experiencia en un flujo de trabajo continuo.

A continuación, desde tres aspectos —ejecución aislada en contenedores, percepción de Skills y Memory compartida, y estrategias de optimización orientadas a diferentes tareas—, se presenta cómo Wuwen Xinqiong respalda concretamente que el Agente logre mejoras continuas con la retroalimentación de hardware real.

Arquitectura de aislamiento mediante contenedores

En cuanto a la arquitectura de ejecución, el sistema adopta un aislamiento mediante contenedores que desacopla el espacio de trabajo del Agente, la zona de evaluación y la zona de depuración.El Agente, en su espacio de trabajo con acceso a internet permitido pero sin asignación directa de GPU, carga mediante montajes externos las Skills, la Memory compartida y las estrategias de optimización, escribe el código y envía solicitudes de cálculo.

El planificador de recursos del lado del host gestiona de forma centralizada las GPU, pone en cola las solicitudes y las asigna bajo demanda, ejecutando la evaluación en una imagen alineada con el entorno oficial de evaluación y la depuración en una imagen con herramientas de perfilado de rendimiento integradas. Ambos tipos de contenedores de ejecución tienen deshabilitado el acceso a la red, y los resultados se devuelven al Agente, formando un bucle iterativo de «generación de código—verificación por evaluación—análisis de rendimiento—ajuste de estrategia».

Este diseño de aislamiento sirve paraevitar que el Agente eluda las restricciones de evaluación durante el proceso de optimización automática.Cuando el Agente toma como objetivo de optimización las métricas de rendimiento, su exploración puede desviarse de la implementación del operador y, en su lugar, intentar modificar los scripts de evaluación, interferir con la lógica de cronometraje, acceder a los resultados de referencia o aprovechar vulnerabilidades del entorno para obtener puntuaciones que no provienen de una mejora real de la eficiencia computacional.El aislamiento por contenedores, el control de permisos y la interfaz de envío controlada constituyen conjuntamente el límite de ejecución, lo que permite al Agente optimizar continuamente los operadores candidatos al tiempo que se limita su intervención en el propio proceso de evaluación.

Skills modulares y mecanismo de memoria compartida

En la construcción de capacidades del Agente, el sistema no solo incorpora, mediante Skills modulares, la acumulación técnica de la comunidad de código abierto, sino que también, a través de un Skill específico de percepción de frameworks, ayuda al Agente a comprender y utilizar los frameworks pertinentes, y aprovecha una Memory compartida para acumular y reutilizar de forma continua la experiencia de optimización.

• Base de conocimientos y Skills de depuración de rendimiento: procedentes de la comunidad de código abierto, ofrecen al Agente soporte de capacidades como conocimientos de programación en GPU, métodos de análisis de rendimiento y herramientas de optimización.
• Skill de interacción con el framework de ejecución: permite que el Agente en el espacio de trabajo conozca con claridad su entorno de ejecución, las capacidades invocables y los límites de operación, iniciando mediante una entrada CLI unificada la depuración, el envío de evaluaciones, la consulta del estado de las tareas y la lectura de resultados.
• Memory compartida: se utiliza para registrar las estrategias verificadas como eficaces en el proceso real de optimización, sus condiciones de aplicación y la experiencia práctica, de modo que diferentes tareas puedan reutilizar los resultados de exploraciones previas.

Estos mecanismos impulsan conjuntamente que el Agente invoque capacidades especializadas, utilice correctamente el framework de ejecución y acumule experiencia en la iteración continua, reduciendo exploraciones repetidas.

Estrategias de optimización refinadas según las características de la tarea

En cuanto a las estrategias de optimización, el sistema organiza una exploración por capas en torno a las características de la carga de trabajo, los cuellos de botella de rendimiento y el presupuesto de tiempo.

El sistema guía al Agente para que, según el presupuesto de tiempo de optimización, elija la abstracción de programación y el DSL (lenguaje específico de dominio) adecuados, sopesando entre DSL de distinta granularidad como Triton, TileLang y CuTe DSL la eficiencia de desarrollo frente al potencial de rendimiento, y, mediante la generación capa a capa de lenguajes de bajo nivel (como CUDA y PTX), extraiga continuamente el espacio de rendimiento del hardware.

Para los distintos escenarios de cálculo, las estrategias de optimización se refinan aún más:

• Tareas intensivas en cómputo: se evalúa con especial atención la utilización de Tensor Core, la forma de teselado y la reutilización de datos; se exploran el traslado asíncrono de datos y el solapamiento por pipelines, sopesando al mismo tiempo el uso de registros, de memoria compartida y el paralelismo efectivo.
• Tareas intensivas en memoria: Priorizar la reducción de lecturas y escrituras redundantes y de la materialización de resultados intermedios, optimizar el acceso combinado a memoria, el acceso vectorizado y la reutilización de caché, para disminuir la cantidad de movimiento de datos necesaria por unidad de cálculo efectivo.
• Cadenas de cálculo de múltiples operadores: Evaluar los beneficios de la fusión de operadores en cuanto al acceso a memoria y los costos de arranque, prestando atención al mismo tiempo a la presión de registros, la complejidad de sincronización y los cambios de paralelismo tras la fusión. Para las cadenas de dependencias aplicables, se puede explorar el lanzamiento dependiente programático (PDL), permitiendo que el trabajo de los Kernels sucesores que no depende de los resultados previos se ejecute por adelantado, completando la sincronización necesaria antes de leer los datos dependientes; para las tareas adecuadas para ejecución persistente, explorar los Persistent Kernels, donde los CTA permanecen residentes y procesan múltiples unidades de trabajo en bucle, amortizando los costos de planificación de bloques de hilos y de inicialización, y aprovechando el paralelismo en tubería (pipelining) para mejorar aún más la eficiencia de ejecución.
• Tareas de Shape pequeño y baja latencia: Concentrarse en controlar la cantidad de bloques de hilos, los hilos inútiles, el manejo de bordes y los costos de instrucciones y sincronización, evitando que un particionado excesivo o tuberías complejas introduzcan costos fijos que no puedan ser amortizados por el cálculo efectivo.

Mediante la combinación de reutilización de capacidades abiertas, optimización de rendimiento por capas y retroalimentación de hardware real, Infinigence (无问芯穹) aspira a transformar la afinación de operadores GPU, altamente dependiente de la experiencia de expertos, en un proceso de optimización que los Agentes pueden explorar de forma autónoma, aprender de manera continua y ejecutar a escala.

Ampliar los límites de la evolución inteligente con una Agentic Infra de innovación continua

Los logros de SOL-ExecBench no son un avance técnico aislado, sino la prolongación natural de la larga dedicación de Infinigence a la innovación tecnológica en Agentic Infra.

Desde conectar «M modelos» con «N chips», hasta la disposición estratégica de Agentic Infra de «tienda-adelante, fábrica-atrás y un centro» centrada en «heterogeneidad plural, cooperación software-hardware e IA autónoma», Infinigence ha centrado siempre su exploración y práctica tecnológicas en los eslabones principales de la cadena de productividad de la IA.

La exploración y los logros en SOL-ExecBench no son solo una manifestación de fase de su trayectoria tecnológica de largo plazo en el ámbito de la optimización del cómputo de bajo nivel; lo que es más importante, demuestranla viabilidad de este camino de RSI: entregar aún más esta capacidad de optimización de eficiencia a la propia IA, logrando inicialmente un círculo evolutivo cerrado que va de la producción de Tokens a la creación de productividad, y de la productividad de vuelta a la Infra.

Como siguiente paso, Wuwen Xinqiong espera extender esta exploración al propio marco de ejecución de tareas del Agent. Mediante la modificación y validación de la planificación de tareas, la llamada de herramientas, la gestión de la memoria y los mecanismos de retroalimentación, se busca que el Agent mejore gradualmente sus métodos de resolución de problemas en el proceso de completar tareas.

Cuando los resultados de la optimización no solo mejoran la eficiencia computacional, sino que también mejoran el mecanismo que genera las soluciones de optimización, la exploración continua tiene la oportunidad de transformarse en un crecimiento continuo de capacidades.

De cara a la evolución futura hacia RSI y AGI, y manteniendo plena confianza, el equipo técnico de Wuwen Xinqiong también es consciente de que, desde los avances tecnológicos en puntos aislados hasta una verdadera capacidad a nivel de sistema, aún queda un largo camino por recorrer; para que la optimización local se convierta realmente en productividad efectiva, también se requieren más exploraciones tecnológicas y colaboración.

Desde hacer que la IA use la capacidad de cómputo de manera más eficiente hasta lograr que la IA participe en la optimización de los propios sistemas de cómputo, Wuwen Xinqiong sigue impulsando que la infraestructura pase de sostener la innovación en IA a coevolucionar con la IA, explorando nuevas vías para la entrega continua de una productividad efectiva de la IA.

Agradecimientos:
Comunidad Humanize (https://github.com/humanfia/humanize)

Referencias:
[1] SOL-ExecBench: Benchmarking a la velocidad de la luz de kernels de GPU del mundo real frente a los límites del hardware. 2026. https://arxiv.org/abs/2603.19173
[2] KernelBench: ¿Pueden los LLM escribir kernels de GPU eficientes? ICML 2025. https://arxiv.org/abs/2502.10517
[3] MultiKernelBench: Un benchmark multiplataforma para la generación de kernels. 2025. https://arxiv.org/abs/2507.17773
[4] CANN Bench: Evaluación de kernels generados por agentes frente a límites reales de NPU y algorítmicos. 2026. https://arxiv.org/abs/2607.20518

*Este artículo ha sido publicado por QbitAI con autorización; las opiniones pertenecen exclusivamente a los autores originales.