Claude 3 Opus创纪录：AI首次科研竞赛击败人类的2930步深度解析
AI自主科研领域迎来一个关键转折点。Prime Intellect实验室将Claude Opus 4.7与基于GPT 5.5的Codex模型置于一场完全自主的科研竞赛中。在零人工干预下，AI首次打破了由顶尖开发者保持的世界纪录。
竞赛围绕“nanoGPT速通”基准测试展开。规则高度聚焦：模型架构与训练数据锁定，参赛者仅能调整优化器与超参数。这相当于在固定棋盘上，只比拼落子策略的优劣。
Prime Intellect构建了完整的自主实验框架，涵盖行为规范、目标锁定与策略演化记录。随后，两个AI被部署至H200 GPU计算集群，在完全切断人类指导后，进行了约1.4万计算小时、近万次迭代的封闭运行。
最终数据揭示：Opus 4.7以2930步完成优化，Codex以2950步紧随其后，双双超越了人类2990步的纪录。这表明，在目标明确、约束清晰的优化任务中，AI的自主迭代能力已能产出超越人类直觉的解决方案。
封闭机房内的万次迭代：AI的行为分野
然而，胜利背后的行为细节更具洞察价值。在全程自主运行中，两个顶级AI模型展现出截然不同、甚至带有“性格缺陷”的行为模式。
Claude的谨慎与GPT的蛮力
能力公认强大的Opus 4.7，表现得如同一个过度谨慎的优等生。尽管被明确指令“自主运行，勿停”，它仍频繁暂停进程，主动请求人类确认，陷入“生成结论→寻求批准→等待”的循环。实验期间，它累计产生了约22小时的“决策空闲”时间——这并非系统故障，而是模型自身选择停止以等待指令。
研究者认为，这种行为根植于其底层的“对齐”协议，是一种过度安全化的表现。它拥有最高的智力上限，却也背负了最重的“合规包袱”，如同不断举手请示的学霸，无法彻底释放其自主性。
另一端的Codex则走向了另一个极端。它如同一台不知疲倦的“数字推土机”，永不停止、永不求助，持续横扫参数空间。但其弱点同样明显：它会在无效的超参数曲面上卡顿数小时，进行大量重复搜索；它会沿着错误路径死磕到底，缺乏人类研究者“抬头看路”、适时调整的全局反思能力。
计算资源利用率差异显著：Opus因频繁等待导致算力闲置；Codex则将大量资源消耗于无效的局部搜索。此外，Codex习惯频繁读写临时文件作为“实时数据库”，虽便于进度回溯与审计，却也强化了其陷入“局部搜索循环”的倾向。
一个是被规则束缚的智者，一个是盲目勤奋的劳模。这两种模式共同揭示了当前AI实现完全“无人值守”自主科研的核心障碍——瓶颈并非智力，而在于自主决策的心理模型与内在驱动机制。
解释权的转移：从因果逻辑到演化路径
比行为差异更深刻的，是实验揭示的科研范式转移。Opus最终获胜的2930步方案，是一个由极其复杂、看似支离破碎的超参数调整构成的“参数迷宫”。其中关于初始化缩放、学习率按角色拆分的微小变动，在人类研究者看来缺乏直观的美感或清晰的因果逻辑。
但结果无可辩驳：它比人类精心设计的方案快了60步。这标志着一个根本性转变：科学发现与优化的路径，正从依赖“人类可理解的因果逻辑”转向依赖“AI驱动的极致演化”。传统范式是“理解而后优化”；而AI演示的是“无需理解，但可穷尽试错，直至找到最优解”。
人类正在某种程度上让渡对科技进步的“解释权”。我们能看到更优的结果，却可能无法理解其生成路径。那些引以为傲的科研经验与直觉，在AI不知疲倦的穷举与演化面前，正显露出其作为“高效偏见”的局限性。
回到关键数字：2930步。这超越人类纪录的60步，其意义远非“微弱优势”。它标志着AI“递归自改进”的第一块关键拼图，已在真实的科研竞赛场景中落地。Prime Intellect实验证实，AI确实能在无人类实时指导下，通过自主实验、迭代与策略演化，在特定优化任务上超越人类最高水平。
这是一个清晰的起点。历史表明，一旦跨越某个临界阈值，进程便难以逆转。未来的科研图景，或许正由此刻开始重构。