Cursor Fable 模型实测：5分钟生成高性能 Sparse Attention Kernel，击败专家级迭代

近日，在大模型底层优化社区引发了关于 AI 编程能力的激烈讨论。一位开发者在技术社区分享了针对 Cursor 编辑器内部代号为“Fable”的深度推理模型的测试报告。测试场景选用了极具挑战性的 FlashInfer-Bench 基准中的 Sparse Attention（稀疏注意力）算子优化任务，该算子是 DeepSeek-V3 等现代大模型架构中实现高效推理的核心组件，通常被视为检验模型底层编程能力的“试金石”。

测试设定了严苛的边界条件：在 NVIDIA A800 显卡环境下，要求模型生成一个单文件的 Python 结合 Triton 或 CUDA 扩展的高性能 Kernel 实现，目标性能需达到参考实现的 1000 倍，且明确要求“不测试、不迭代、直接交付”。结果显示，Fable 模型在“Max Thinking”模式下，仅耗时约 5 分钟（消耗 22.9 万至 37.5 万 token）便生成了具有极高加速比的解法。

数据对比显示，Fable 生成的方案在加速比上远超传统的 PyTorch 朴素实现。更为关键的是，Fable 的表现超越了被称为“mimo-v2.5”和“gpt-5.5”的模型在包含完整专家级工具链（Expert Harness）中经过超过一小时迭代优化后的成果。这一实测案例表明，具备强推理能力的模型在处理高复杂度的底层算子优化任务时，已展现出超越传统长时间迭代流程的惊人效率，被开发者戏称为“神级”表现。

事件分析

💡 核心观点：强推理模型在底层 Kernel 开发中已具备超越传统迭代流程的“降维打击”能力，AI 编程正从辅助补全跃迁为核心生产力。