Prime Intellect 用 Claude Code 和 Codex 实现 AI 研究自动化

精选理由

AI 研究自动化从概念走向可复现现实，做 AI 研究的团队可以直接参考这套开源实验记录，省下大量试错成本。

AI 摘要

Prime Intellect 让 Claude Code（Opus 4.5）和 Codex（GPT 5.5）在 nanoGPT speedrun 的 optimizer track 上完全自主运行，使用闲置算力完成约 1 万次实验，消耗 1.4 万 H200 小时。Claude Code 将记录推进到 2930 steps，超越人类基准的 2990 steps，整个过程无人值守。实验在 optimizer 搜索、超参数扫描和方法 stacking 上高效，但在真正创新上遇到瓶颈。Prime Intellect 已开源所有 scratchpad、运行日志、配置和生成的 idea，将 AI 研究自动化从概念变为可复现的现实。

原文 · berryxia

Prime Intellect 最近把 AI 研究自动化推到了一个新阶段。他们让 Claud…

Prime Intellect 最近把 AI 研究自动化推到了一个新阶段。

他们让 Claude Code（Opus 4.7）和 Codex（GPT 5.5）完全自主运行在 nanoGPT speedrun 的 optimizer track 上，使用闲置算力完成了约 1 万次实验，总计消耗 1.4 万 H200 小时。

最终结果：Claude Code 把记录推到 2930 steps，超过了人类基准的 2990 steps。

整个过程完全无人值守。

我看完他们的完整 thread 后，最有启发的部分是 agents 的实际表现：

它们在 optimizer 搜索、超参数扫描和方法 stacking 上非常高效，几乎把社区所有主流 PR 的思路（Contra-Muon、MuonEq、NorMuon、SOAP 等）都系统性组合了一遍。

但在 novelty（真正创新）上遇到明显瓶颈，当强制要求每个 idea 必须通过 novelty check 时，两个 agents 都没能超越 baseline。

Prime Intellect 把所有 scratchpad、运行日志、配置和生成的 idea 全部开源了，包括两个 agents 的完整实验记录。

这波操作把“AI 研究能不能自己跑”从概念变成了可复现的现实。

完整实验和代码在这里：https://t.co/M3oQgKtF0F

查看原推