Sakana AI 智能体夺冠 AtCoder：花 1300 美元击败 804 名人类

以前大家看 AI 写代码，大多局限在刷刷 LeetCode 算法题，或者给程序员当个代码补全助手。但在工业界，真正卡住人类工程师脖子的，往往是物流调度、供应链排产这类极其复杂的「启发式最优化」难题。这种题没有标准答案，全靠工程师的经验、直觉和没日没夜的调优。

总部位于东京的 Sakana AI 宣布了一项战绩：自家的 ALE-Agent 在 AtCoder 举办的启发式编程赛 AHC058 中拿下了第一名，击败了 804 名人类参赛者。这也是业内第一次有 AI 智能体在大型实时最优化编程赛中击败人类夺冠。

这次比赛在 2025 年 12 月 14 日举行，比赛窗口只有 4 个小时。题目设计得很有意思：模拟一套层次化的机器生产线，比如造苹果的机器、以及用来制造这些机器的上一级机器。参赛者必须写出一套最优规划算法，决定按什么顺序制造和升级哪些层级的机器，产出效率才最高。这背后对应的，其实就是工厂排产和供应链调度等现实工业痛点。

没按出题人的套路走，它自己发明了新启发式

有意思的是，这个智能体并没有按照出题人预想的常规路线来解题。

AHC058 的出题人原本预期大家会用贪心算法（Greedy）或束搜索（Beam Search）敲定全局框架，再用模拟退火（SA）做细节微调。但 ALE-Agent 展现出了一种极具「AI 风格」的解法。

它自主推导出了一套被称为「虚拟力量（Virtual Power）」的启发式策略：即使某台机器还没开始运作，算法也能提前给它赋予潜在价值权重，从而避免目光短浅。在模拟退火阶段，它没有只盯着改动一步两步的小修小补，而是准备了三套基于贪心法的大规模方案重组机制。只要发现陷入局部最优，就直接大刀阔斧重构整套规划。

再加上一系列人类肉眼很难写出的极速运算优化，比如建立预计算查找表、剔除所有冗余开销。比赛开始两小时后，ALE-Agent 第一次提交代码就冲上榜首；中间虽与人类顶尖高手 yosupo 展开拉锯战，但在比赛进行到两个半小时时夺回第一，并将优势保持到了终场。

烧掉 1300 美元算力，顶尖出题人看呆了

为了在这 4 个小时内赢下比赛，ALE-Agent 耗费了大约 1300 美元的算力成本。其中包括约 1000 美元的 API 账单和 AWS 等基础设施费用。

具体跑下来，它调用了 2654 次高推理强度的 GPT-5.2，以及 2119 次高思考级别的 Gemini 3 Pro Preview。智能体利用多模型并行生成方案、对比筛选，并从中提取经验教训，作为下一轮写代码的上下文输入。

出题人、世界排名前列的算法专家野地宏美赛后坦言，开赛前他觉得大模型很难做这道题，因为贪心算法需要极强的人类实验直觉。看到结果后他感到非常震撼：智能体推导出了连他都没料到的模拟退火新解法。尽管在局部直觉上人类依然占优，但 AI 那种压倒性的海量试错与推理结合能力，是人类完全不具备的。

不过，Sakana AI 自己也承认，AI 目前并不是百战百胜。虽然 ALE-Agent 在此前的比赛里多次打入前列，但这是它拿下的首个冠军。目前它的虚拟积分为 2592，在 AtCoder 活跃用户中排在第 66 位。

为什么重要

我们认为，这场比赛最大的意义，在于它打破了「大模型只会做有标准答案题目」的刻板印象。

以往业界测大模型写代码，基本全在测单点逻辑或者单元测试。但这次解决的是 4 小时赛程、完全开放、没有任何标准模板的工业级运筹学挑战。AI 能在这个场景下夺冠，说明测试时算力扩展（Inference-time Scaling）配合多模型协作，已经具备了一定程度的自主科学探索与实验调优能力。

对企业和开发者来说，4 小时烧掉 1300 美元听起来不便宜，但如果放在现实的物流干线排布、芯片布线或是供应链采购场景里，能把整体运行效率拉高哪怕几个百分点，省下的成本可能是上千万美元。相比养一个顶级运筹学专家团队常年攻关，让自动化智能体在几小时内探索出人类意想不到的最优解，在商业上已经具备了极强的吸引力。

这一步走得很聪明，但隐患同样明显。ALE-Agent 目前高度依赖暴力算力和多模型拼接调用，其自我学习机制能否迁移到规则更模糊、数据更混乱的真实物理业务中，依然有待检验。但无论如何，这场胜利给整个行业提了个醒：AI 智能体解决复杂现实工程问题的临界点，可能比很多人预想的来得更快。