北京时间7月20日凌晨，万众瞩目的2026年美加墨世界杯决赛在西班牙队与阿根廷队之间打响。结果，占据绝对优势的西班牙队凭借加时赛费兰·托雷斯的爆射破门，1比0击败阿根廷队，2010年后再夺世界杯冠军！执法决赛的主裁判是来自斯洛文尼亚的温契奇，这位46岁的裁判此前执法了巴西队1比1摩洛哥队、阿尔及利亚队2比1约旦队的小组赛，以及墨西哥队2比0厄瓜多尔队的1/16决赛。模型这一分数越接近1，代表其生成和优化GPU算子能力越接近理论极限，可以在无需人类标注的情况下，通过与真实硬件环境的交互，自主产生训练信号、评估自身输出质量并持续改进算子。         这一榜单中排名第二的是腾讯混元Hyra、排名第四的是人类开发者Amir M. Mir、排名第六的是美国AI创企doubleAI的全自动GPU内核生成智能体系统、排名第十的是AI编程独角兽Cursor，其他项目暂未找到公开打榜记录。         SOL-ExecBench榜单是今年3月，英伟达推出的GPU CUDA Kernel内核优化基准评测套件，面向Blackwell B200架构专门用来评测AI智能体、编译器、自动内核生成工具写出的GPU算子性能。Qwen3.8登顶的FlashInfer-Bench子集，就是专门用于测试和优化大语言模型推理系统中的GPU算子。

B |          7月19日，阿里千问大模型团队宣布将很快发布并开源Qwen3.8。该模型参数2.4T，可能是除了Fable 5外最强大的模型。昨晚，Qwen3.8-Max-Preview更新，前端（WebDev）表现更好。值得一提的是，2022年世界杯阿根廷队1比2爆冷不敌沙特队的比赛，就是温契奇执法的。

C |          一、从124个模型中提取，共235项CUDA内核优化任务          随着AI智能体生成与优化GPU内核的能力持续增强，现有基准评测的一大局限暴露，其只看重相对软件基线的加速比，而非内核执行方案本身贴近硬件最优效率的程度。

D | 今日温契奇的执法尺度相对较为宽松，这也在上半场引发广泛争议，多名国外媒体人都质疑阿根廷队中场麦卡利斯特多次犯规却没有吃到黄牌。而在现代数据中心中，未能充分利用硬件的kernel意味着算力与能源的双重浪费。担任评论员的英格兰足球名宿理查兹就表示：“麦卡利斯特本应吃到一张黄牌，（裁判没有出牌）开了一个危险的先例，阿根廷队会觉得他们可以肆无忌惮地粗暴对待西班牙！”▲阿根廷队球员麦卡利斯特对奥尔莫犯规 图据IC photo《每日体育报》主持人冈萨雷斯也直言，从具体判罚来看，主裁判是“偏袒”阿根廷队的。         基于此，英伟达提出了SOL-ExecBench基准套件。这一套件共有235项CUDA内核优化任务，提取自124个商用及前沿人工智能模型，覆盖大语言模型、扩散模型、计算机视觉、音频、视频以及混合架构，目标硬件为英伟达Blackwell系列GPU，涵盖BF16、FP8、NVFP4精度下的前向与反向计算负载。         与以往基于软件性能来进行评估标准相比，SOL-ExecBench的评估目标有所不同。但阿根廷队明显也会对温契奇不满，因为在90分钟常规时间补时阶段，温契奇向恩佐出示第二张黄牌，将其罚下，也让阿根廷队在加时赛中少打一人，这决定了最终的结果，当时多名阿根廷球员围住温契奇进行理论。

E | 其通过“Speed-of-Light（SOL）”界限来评估内核性能，即由GPU的峰值算力与HBM带宽共同决定的理论性能极限。         英伟达开发的SOLAR工具能够从FLOP数量、字节数、GPU峰值吞吐量以及带宽等方面，分析出这些基于硬件的SOL界限，然后将这些界限与预先定义的评分基准相结合，从而得出SOL评分。         具体来说，评分为0.5表示与基准值相当，评分为1.0表示达到了硬件上的SOL界限。因此，这个评分不仅反映了相对于基准值的改进程度，还体现了与最大可实现硬件性能相比所剩余的优化空间。         为保证评分结果的可靠性和可重复性，SOL-ExecBench还包含一个沙盒评估工具。此外基于其开发的智能优化算法，可以在相同的评估协议下改进提供的PyTorch参考实现，这种优化算法可以识别出那些试图操纵评估器的行为，即试图绕过评估机制以获得更快的运算结果。而在加时赛上半场，西班牙队的尼科·威廉斯曾打进一球，但温契奇判罚梅里诺在禁区内犯规在先，因此进球无效。

F |          此次Qwen3.8拿下第一的是FlashInfer-Bench子集，专门用于测试和优化大语言模型推理系统中的GPU算子。         该子集包含26个来源于Llama-3.1-8B、Qwen3-30B-A3B、DeepSeek-V3/R1的问题。但从慢镜看，梅里诺无论对奥塔门迪还是门将马丁内斯，似乎都没有明显的犯规动作，但VAR也并未介入这次判罚，支持了温契奇的决定。赛后，这次判罚也引起了各方的议论。         该子集覆盖的精度格式为BF16与FP8，每个问题提供7-48个动态形状的输入配置，覆盖真实生产场景，典型任务包括融合注意力（Fused Attention）、FP8 MoE和RMSNorm等推理关键算子。         根据官方披露，该测试套件中所有提交内容均在真实NVIDIA B200 GPU上隔离执行，GPU时钟锁定在1500 MHz以保证可复现性。

G | ▲温契奇出示红牌罚下阿根廷球员恩佐 图据IC photo总而言之，温契奇这场比赛的执法表现难言完美，但不管怎么说，担任世界杯决赛的主裁判让他名声大噪，而且其获得的收益也是极高。有媒体就用“世界杯决赛裁判收入令人难以置信”为标题，报道了温契奇在这场决赛以及本届世界杯上的收入情况。每四年一次的世界杯，让国际足联在电视转播权、门票收入、赞助收入等方面赚得盆满钵满。         二、榜单排名靠前，意味模型具备闭环自我改进潜力          Kernel优化是少数几个可以提供清晰、客观、可量化反馈信号的真实工程任务之一：          反馈明确：运行时间、吞吐量、带宽利用率可以精确测量；     标准客观：距离硬件理论极限还有多远，没有歧义；     迭代自然：每一轮优化都可以作为下一轮的起点。有消息称，2023年-2026年这个周期中，国际足联的总收入将达到130亿美元。财大气粗的国际足联也十分豪爽，各支参赛队都能获得不菲的出场费和奖金，而对执法本届世界杯的裁判员们，国际足联也十分慷慨。         这意味着模型可以在无需人类标注的情况下，通过与真实硬件环境的交互，自主产生训练信号、评估自身输出质量并持续改进。         在SOL-ExecBench FlashInfer-Bench子集上表现靠前，就意味着模型在下面几项能力上具有优势：          长程因果推理：优化决策之间存在复杂依赖链，局部改动会影响全局性能，模型需要跨越长上下文进行一致性推理。

H |     工具使用与环境交互中的策略规划：现实世界智能体任务面对多轮工具调用，模型需要根据每次执行反馈动态调整策略，而非机械执行预设步骤。

I |     稀疏反馈下的探索能力：性能提升往往不是线性的，模型需要在大量“看似合理但实际无效”的方向中识别真正有价值的优化路径。    系统级抽象与具体实现之间的双向翻译：从高层算法语义映射到底层硬件指令，再从硬件反馈反推优化方向，这种双向能力在科学计算、编译器设计、芯片设计等领域均有直接迁移价值。英国媒体报道称，每名被召集参加美加墨世界杯执法的裁判员都能获得10万美元（约合人民币67.76万元）的固定报酬，这个数字明显超出往届世界杯赛事。另外，裁判员们每参加一场比赛的执法工作，还能获得额外的酬劳，比如小组赛期间主裁判每场比赛的报酬在3000美元-5000美元之间，淘汰赛阶段每场比赛可获得高达10000美元（约合人民币6.77万元）的报酬。

J |          这也意味着，能在SOL-ExecBench上持续进化的模型，具备在客观物理约束下进行闭环自我改进的能力。媒体统计了温契奇在本届世界杯的报酬情况，他在决赛中的执法会得到10000美元的酬劳。         三、训练侧搭建真实GPU环境，推理侧引入阿里智能体框架          智东西从千问团队获悉，在训练、推理方面，千问团队均针对Kernel Self-Evolving进行了优化。         首先在训练侧，为了让模型真正具备kernel优化能力，而非仅仅学习表面的代码模式，其构建了一套基于真实GPU环境的大规模强化学习体系。         1、研究人员搭建了基于沙盒的真实GPU训练环境：          为模型提供丰富的硬件文档与可交互的Workspace，使模型能够通过真实编译、执行与性能测量获取来自硬件的奖励信号，而非依赖代理指标或模拟器。这可以确保每一个训练信号都有真实的物理意义。再加上本届赛事的固定报酬、小组赛报酬、淘汰赛报酬，其在本届世界杯上的总收入折合人民币将达到80.62万元！这次美加墨执法之旅结束时，温契奇能带着超过约80万回家，也难怪有媒体会直呼“难以置信”！据悉，决赛中参与执法的助理裁判及VAR裁判也能获得相应报酬，但相对主裁判数额较低，每人可获得约5000美元。红星新闻记者 姜山