1000 名候选人，一道“臭名昭著”的笔试题，原本是为了筛选出人类中最顶尖的大脑。
直到 Anthropic 自家的 Claude Opus 4.5 坐到了考桌前。
它不仅通过了考试，还在限定时间内拿到了和最优秀人类持平的分数。
这不仅仅是一次技术迭代，这是一场让招聘官陷入绝望的军备竞赛：当面试题无法区分人类和 AI，我们到底在招谁？
一道“臭名昭著”的笔试题
时间回到 2023 年 11 月，Anthropic 正在为 Claude Opus 3 的发布做准备。
他们搞定了昂贵的 TPU 和 GPU 集群，甚至搞定了庞大的 Trainium 集群，但唯独缺人——缺那种能把硬件性能压榨到极致的性能工程师。
标准的面试流程太慢，效率太低。于是，一位工程师花了整整两周，设计了一套“臭名昭著”的笔试题。
这不是那种让你在白板上写反转二叉树的 LeetCode 垃圾题。
这是一个模拟的加速器环境，像极了真实的 TPU。考生需要在一个 Python 模拟器里优化代码，面对手动管理的内存、VLIW 指令打包、SIMD 向量操作和多核分发。
这套题甚至允许考生使用 AI 工具——毕竟在工作中，这就是现实。
效果出奇的好。
大约 1000 名候选人完成了挑战，Anthropic 凭此组建了一支能打的性能工程团队。甚至有几个刚毕业的本科生，因为在这道题上展现出惊人的天赋，直接被破格录用。
有人为了解题玩嗨了，甚至超时去写一个完整的微型编译器。
那时候，人类还是考场的主宰。
当 Opus 4.5 坐在考场里
好景不长。
AI 的进化速度，快得像是在作弊。
到了 2025 年 5 月，Claude 3.7 Sonnet 已经能让一半以上的考生显得多余——如果你直接把题扔给它，它做得比大多数人都要好。
但这只是前奏。当 Claude Opus 4 的预发布版本进场时，它在 4 小时内拿出了比几乎所有人类都优化的方案。
招聘官还能勉强安慰自己：好吧，至少它还赢不了那几个最顶尖的人类大神。
然后，Claude Opus 4.5 来了。
在 2 小时的限时测试中，Opus 4.5 像个不知疲倦的做题家。它解决了初始瓶颈，搞定了常见的微优化，不到一小时就达到了及格线。
紧接着，它遇到了一个让大多数人类（包括之前的模型）都绝望的内存带宽瓶颈。
大多数人到这里就停了。但招聘官告诉它一个理论上能达到的周期数。
Opus 4.5 沉思了一会儿，找到了那个“作弊”技巧，绕过了瓶颈。它继续调试、调优、实现。
2 小时一到，它的分数持平了人类在同样时间内的最高纪录——而且那个人类还是重度依赖 AI 辅助才做到的。
考试失效了。
如果最优策略是“把题扔给 AI”，那这道题就失去了筛选人类的意义。
招聘官的绝望反击
Anthropic 的招聘官陷入了两难。
禁止 AI？别逗了，这违背了工程师的工作现实，而且根本防不住。
提高门槛？让人类必须“大幅超越 AI 的表现”？这更不现实。人类光读题和理解就要花掉一半时间，等他们开始动手，AI 早就把活干完了。
唯一的出路是：把题改得更难，更怪，更不像“正经工作”。
第一次尝试：更难的优化。
招聘官选了一个自己在工作中遇到的难题：2D TPU 寄存器上的数据转置，还要避免 Bank 冲突。这题难到什么程度？他让 Claude 帮忙实现修改，不到一天就搞定了。
结果呢？Claude Opus 4.5 给他上了一课。
它通过分析发现，根本不需要转置数据，可以直接转置计算。它直接重写了整个程序。
虽然这个技巧在真实场景行不通，招聘官赶紧修补了漏洞。但当他再次用“深度思考（ultrathink）”模式测试时，AI 还是解出来了。它甚至知道那些修补 Bank 冲突的生僻技巧。
AI 的训练数据里，藏着全人类程序员几十年的经验库。硬碰硬，人类赢不了。
第二次尝试：走偏门。
既然拼经验拼不过，那就拼“推理”和“新奇”。
招聘官把目光投向了 Zachtronics 的编程解谜游戏。这些游戏使用极度受限、怪异的指令集，强迫你用非常规的方式编程。
比如，程序被分割成多个只能容纳十几条指令的芯片，聪明的优化甚至需要把状态编码进指令指针里。
新笔试题诞生了：没有可视化工具，没有调试器。考生得自己想办法，要么打印日志，要么让 AI 帮你写个调试器。
这一次，Opus 4.5 失败了。
这种极度反直觉、缺乏训练数据的“怪题”，成了人类最后的防线。
虽然招聘官有点遗憾，因为这道题已经不像真实的工作了——“真实感”成了我们再也消费不起的奢侈品。
人类最后的防线
这场猫鼠游戏，真的分出胜负了吗？
Anthropic 把那个已经被 AI 攻破的“原始版笔试题”放到了 GitHub 上，向全人类发起挑战。
他们发现了一个有趣的现象：在无限时间的条件下，人类依然有优势。
虽然 AI 在 2 小时内就能跑出 1790 周期的成绩，甚至经过 11.5 小时的计算能跑到 1487 周期。
但人类提交过的最快解决方案，是 1363 周期。
“人类专家在足够长的时间跨度上，仍然优于当前的模型。”
这或许就是我们现在唯一的慰藉：
AI 是个不知疲倦的快手，它能迅速达到 80 分、90 分。但在那最后 10 分的极致优化里，在那些需要长期酝酿、打破常规的灵光一闪里，人类依然守着最后的堡垒。
只是，这道防线还能守多久？
如果你觉得自己能跑进 1487 周期，不妨去试试。
毕竟，这可能证明你还没被替代——至少今天还没有。
参考链接：
https://x.com/AnthropicAI/status/2014143403144200234