大模型正在学习写代码、做设计、写文章，但一个更底层的问题摆在眼前：它们能理解并优化自己赖以运行的算力基础设施吗？

一个名为Φ-Bench的新基准测试，专门针对大模型的基础设施工程能力展开评测。它考察的不是模型能否生成一段代码，而是模型能否理解、优化并构建支撑自身运行的底层计算系统。

打开网易新闻 查看精彩图片

评测覆盖了哪些能力？

Φ-Bench的系统性评测覆盖多个维度，包括模型对计算架构的理解、系统性能优化能力，以及基础设施的构建与维护。换句话说，它检验的是大模型能否胜任“AI工程师”这一角色——不仅会写应用层代码，还能搞定底层系统。

结果：差距集中在三个方向

对主流模型的系统评估显示，当前大模型在基础设施工程领域仍存在明显短板。差距主要集中在三个方面：

  • 长期项目管理：模型难以在长时间跨度内维持对复杂系统状态的跟踪与决策一致性
  • 系统优化：面对性能瓶颈时，模型给出的调优方案往往停留在表面，缺乏对底层机制的深入理解
  • 硬件理解：对GPU等硬件特性的掌握明显不足，难以将硬件能力与软件设计有效结合

这意味着什么？

Φ-Bench的评测结果指向一个现实：大模型在代码生成等应用层面已相当熟练，但距离真正独立承担基础设施工程工作，仍有相当距离。这也为“AI工程师”这一概念划出了一条更清晰的能力边界——至少在现阶段，底层系统的设计与优化，依然是人类工程师的核心阵地。