量子位报道，面壁智能的算子生成系统ForgeKernel在无源码、无参考实现的条件下，于英伟达B200上生成DeepSeek-V4.1 FlashMLA Prefill算子，直播历时22.5小时，最终版本耗时472微秒，FlashMLA为518微秒；该系统已于直播结束后开源。
量子位10月30日报道，面壁智能的算子生成系统ForgeKernel在一场持续22.5小时的直播中，于英伟达B200上生成DeepSeek-V4.1的FlashMLA Prefill算子，全程未参考DeepSeek原始实现。最终版本耗时472微秒，FlashMLA为518微秒，快9.8%。
报道称，直播结束后，智能进化实验室联合OpenBMB社区宣布将ForgeKernel开源。
直播过程：从1834微秒到472微秒
按报道描述，ForgeKernel只拿到算子的数学定义和目标硬件约束，没有源码，也没有论文可参考，在B200上通过一轮轮改写自我改进。第一版通过正确性检查，但耗时1834微秒；不到4小时，耗时降到593微秒，约为当时最佳实现的九成；第7小时前后，一次核心结构调整让它先超过自己的上一代版本，随后首次超过FlashMLA。
整场直播共42轮迭代，留下32个版本，使用1张B200、22个GPU小时。报道强调，人类为此算子写的代码为0行。
昇腾三榜第一与跨平台适配
报道称，ForgeKernel并非首次亮相。10月27日昇腾CANN官方发文提到，ForgeKernel同时登顶CANNBench 950DT、950PR、A3三张硬件榜单：950DT总分4010.75，领先第二名27.8%，基准加速比1.533×；950PR总分4165.94，基准加速比1.638×；A3总分4341.16，基准加速比1.898×。上述分数与排名由量子位引述CANNBench结果。
直播使用的是英伟达B200上的CUDA，三张榜单则在昇腾上运行。报道称，ForgeKernel不依赖特定硬件，换平台时只需把性能分析工具从NCU换成msprof，新芯片的硬件经验由模型在实测中积累。
方法来源与效果边界
报道提到，ForgeKernel团队与清华大学等机构于10月27日在arXiv发布论文JustGoal：只给模型优化目标、不提供算子知识，在B200上10个算子中有8个跑赢人类维护的开源库。ForgeKernel在JustGoal基础上补了架构设计短板：把架构设计和实现分开，把验证过的硬件经验存入知识库，并把自己写出的最好版本作为下一轮对手。报道称，在29项对比中有24项打平或超越专家实现。
李宇轩在报道中称，团队内部AI超越最佳人类实现的算子优化任务最多两天即可完成。这一说法来自公司方，未经独立验证。
9.8%的领先来自单次直播、单一算子在B200上的对比。报道未给出该结果在其他硬件或算子上的第三方复现数据。
接入与开源
报道称，ForgeKernel生成的算子已接入训练框架，在国产芯片与英伟达平台上完成MiniCPM5-1B的长训测试。直播结束后，智能进化实验室联合OpenBMB社区宣布开源ForgeKernel，报道未披露开源许可证与代码仓库地址等细节。