OpenBMB ForgeKernel Agent 在 B200 上以 9.8% 速度超越 NVIDIA FlashMLA 基线并开源结果

OpenBMB 完成 ForgeKernel Live，一个约 22 小时的自主 GPU kernel 优化运行，Agent 在无法访问 FlashMLA 源码、文档和 profiling 信息的黑盒条件下，仅靠执行与 benchmark 反馈迭代优化，最终达到 1.098× 性能，472 µs 对比基线 518 µs，提速 9.8%。全程 32 个 kernel 版本、42 轮迭代，第 13 版在 10 小时内首次超越基线。团队已开源优化后的 kernel 及覆盖 attention、Gated DeltaNet、Kimi Delta Attention、GEMM 和卷积的 27 个算子，并发布 ForgeKernel harness 供他人复现实验。