9月6日消息，Meta 的 AI 研究团队官方确认，其自主科研智能体 AIRA₃ 参加了6月结束的 NVIDIA Nemotron Model Reasoning Challenge，在约 4000 支参赛队伍中名列第 8、获得金牌档成绩。而就在前一天，这一成绩还因为缺少官方来源、报道内容相互矛盾而被核查存疑。官方说明同时披露了两个关键细节：现场冲线的组合由 GPT 5.5 与 Claude 4.8 分别配合编码工具驱动；AIRA₃ 本身没有中央控制器，靠一个共享论坛和一个共享文件系统协调大量独立运行的智能体。 从转载混写到官方确认，中间不到一天
这场 Kaggle 赛事本身没有争议。NVIDIA Nemotron Model Reasoning Challenge 于3月开赛、6月中旬截止，参赛者要在固定约束下给 Nemotron-3-Nano-30B-A3B 提交 LoRA 微调方案以提升推理准确率，由私有测试集评分。Kaggle 官方讨论帖记录的规模是 17,741 人报名、5,494 人参赛、4,354 支队伍，奖池 106,388 美元。
有争议的是 AIRA 的位置。9月5日，Crypto Briefing 等媒体刊出「AIRA 拿下第 8 与金牌」的报道，但 URL 写的是 aira3，正文讲的全部是上一代 AIRA₂ 在离线基准 MLE-bench 上的成绩，Meta 与 NVIDIA 两侧都没有官方说法，当日一项核查的结论是：竞赛真实、AIRA₂ 论文真实，但「AIRA₃ 现场参赛拿第 8」未获证实。
随后，AI at Meta 的官方账号发布说明，确认 AIRA₃ 现场参赛、列约 4000 队中的第 8 位、获金牌，并称其表现胜过「拥有同样前沿工具的人类参赛者」。不过，目前的一手来源是 Meta 的自述：Kaggle 榜单上的队伍名称与 NVIDIA 的赛后回顾文均未点名 AIRA，队伍化名与 AIRA₃ 的对应关系尚无独立核对。
第 8 名的组合：GPT 5.5 加 Claude 4.8
按 Meta 的说明，AIRA₃ 现场以一组模型组合参赛，排名第 8 的金牌组合是 GPT 5.5（配合 OpenCode）与 Claude 4.8（配合 Claude Code）。事后，团队把同一系统接入其他模型再做评估，提交物与现场作品一样在相同的私有测试集上接受外部评分：Muse Spark 1.2（配合 MuseCode）达到金牌水平，Muse Spark 1.1 与 GLM 5.2（均配合 OpenCode）达到银牌水平。 换底层模型仍能留在奖牌档，这个结果说明 AIRA₃ 的成绩并不绑定在某一家模型上：系统负责组织与积累，底层模型负责单步推理，前者的成绩随后者水涨船高。
没有中央控制器，靠论坛和文件系统协作
AIRA₃ 的组织方式与常见单智能体不同。它不设中央控制器，而是同时运行大量长期智能体——每组是一个模型与编码工具的组合——各自在隔离环境里工作，靠两个共享基础层异步协调：一个用于分享假设和发现的论坛，一个用于存放方案工件的共享文件系统。各智能体相互协作、在彼此的发现上继续推进，搜索策略动态涌现；按官方的说法，系统利用计算能力累积知识，性能随时间提升。
这不是 AIRA 系列第一次展示这类能力。前代 AIRA₂ 在 MLE-bench 的 30 场真实 Kaggle 赛上，24 小时与 72 小时的平均百分位分别达到 81.5% 和 83.1%，高出当时最强基线约 9 个百分位；在 AIRS-Bench 的 20 个科研任务中，6 项超过已发表的人类最好成绩。AIRA₃ 的泛化案例还有两个：内部基准测试中，它在生产 GPU 内核上实现 27% 的延迟降低；在另一项把约 4000 年前阿卡德语泥板翻译成英语的 Kaggle 赛中达到金牌水平。其中 GPU 内核的数字来自内部基准，没有外部复核。
这次成绩有边界，也有分量。赛题是约束明确的 LoRA 提分任务，实验迭代可以自动闭环，正是当前自主智能体最成熟的形态；第 8 名说明的是「在这类任务上，智能体已经能挤进数千人类队伍的金牌档」，不是开放式科研被自动化。分量在于两点：参赛组合由商用前沿模型驱动，而按 Meta 的说法，被胜过的人类参赛者拥有同样的前沿工具；从转载混写、核查存疑到官方确认，整个状态翻转发生在不到一天。
AI 速览
