新智元报道

编辑：英智

【新智元导读】Meta推出KernelLLM，这个基于Llama 3.1微调的8B模子，竟能将PyTorch代码自动转换为高效Triton GPU内核。实测数据显示，它的单次推理性能逾越GPT-4o和DeepSeek V3，多次天生时得分飙升。

在AI领域，参数规模曾被视为「性能天花板」。

Meta最新宣布的KernelLLM，却用8B参数的「小身板」，在GPU内核天生使命中把200B的GPT-4o按在地上摩擦。

这是一个基于Llama 3.1 Instruct举行微调的8B参数模子，旨在将PyTorch？樽远晃咝У腡riton GPU内核。

KernelLLM简直是GPU内核开发神器，用更少的参数实现了更强的性能，且简朴易用。

它只有8B参数，可是在KernelBench-Triton Level 1，单次推理性能凌驾了GPT-4o和DeepSeek V3。

通过多次推理，KernelLLM性能优于DeepSeek R1。

这一切都来自一个参数规模比竞争敌手小两个数目级的模子。

@Denis Kanonik吐槽「这又是用测试集训练的吗？」

KernelLLM让内核开发更易上手

KernelLLM是一款基于Llama 3.1 Instruct的8B模子，专门针对用Triton编写GPU内核的使命举行了训练。

它能让GPU编程变得更简朴，实现高性能GPU内核天生的自动化。

KernelLLM通过自动化天生高效的Triton实现，知足对高性能GPU内核日益增添的需求。

随着事情负载的增大和加速器架构的多样化，对定制化内核解决计划的需求显著增添。

现在市面上许多相关工具，要么只能在测试的时间优化，要么就只盯着KernelBench的问题调优，很难应对更普遍的场景。

KernelLLM是首个在外部（PyTorch，Triton）代码对数据上举行微调的LLM。

Triton内核天生事情流程

把PyTorch代码输进去，KernelLLM就会天生Triton内核候选代码。

然后用单位测试来验证这些代码，用随机输入跑一跑，看看输出对差池。要是天生好几个候选代码，还能比比哪个最好，挑出最优的。

KernelLLM的Triton内核天生流程：用KernelLLM把PyTorch代码翻译成Triton内核的候选代码。天生的代码会通过单位测试验证，测试用已知形状的随机输入数据运行内核。这个流程支持天生多个候选代码（通过 pass@k评估），增添候选数目来提高质量，最后选出最好的Triton内核实现作为输出（绿色部分）

为了训练这个模子，团队可是下了大功夫，用了25000多对（PyTorch，Triton）代码示例，尚有合成的样本。

这些数据一部分来自TheStack的过滤代码，一部分是通过torch.compile () 和提醒手艺天生的。

数据集KernelBook，参考链接：https://huggingface.co/datasets/GPUMODE/KernelBook。

训练时用的是Llama3.1-8B-Instruct模子，在自界说数据集上做了监视微调（SFT），测试它在KernelBench-Triton上天生准确Triton内核及挪用代码的能力。

KernelBench-Triton是基于KernelBench[Ouyang et al. 2025]开发的变体，专注Triton内核天生。

训练和评估时，PyTorch代码会设置一个包括名堂示例的提醒模板作为指令。

模子训练了10个epoch，批巨细为32，接纳标准SFT要领，超参数凭证验证集的疑心度（perplexity）来选择。

训练用了16个GPU，共耗时12小时（192 GPU小时），报告了最佳检查点的验证效果。

性能评估

只管模子规模较小，但其性能可与最先进的LLM相媲美。

KernelBench-Triton测试中，8B参数的KernelLLM，单次推理得分20.2，比671B参数的DeepSeek V3（16分）和200B参数的GPT-4o（15分）都高。

要是多天生几个候选代码，得分还能蹭蹭往上涨，天生10个的时间能到51.8分，20个的时间能到57.1分。

KernelLLM推理用temperature=1.0和top_p=0.97运行。

在KernelBench上测试了模子，这是一个开源基准测试，用于评估LLM编写的高效GPU内核的能力。

它包括250个全心挑选的PyTorch？，按负载调解，从简朴的单操作（如Conv2D或Swish，Level 1）到完整的模子架构（Level 3）。

它在差别难度的使命里体现都很稳，不管是简朴的单个操作符，照旧重大的模子架构，都能应对。

测试会同时降低代码的准确性（通过与参考PyTorch输出比照）和性能（通过与基准实现的加速比）。

团队开发了一个新的KernelBench-Triton变体，专门评估LLM天生Triton内核的能力，很是适合测试KernelLLM。

所有测试都在NVIDIA H100 GPU上完成。

KernelLLM在pass@k中体现出近似对数线性的扩展行为

KernelLLM怎么用？

先装几个依赖包：

用的时间，先导入库，挪用generate_triton函数，就能天生优化后的Triton代码啦。

KernelLLM提供了一个简朴的接口，用于从PyTorch代码天生Triton核。

要是不想写剧本，还能直接运行python kernelllm.py，使用内置的REPL接口，翻开交互式界面，实时看效果。

kernelllm.py提供了多种与模子交互的要领。

KernelLLM提供了几种自界说天生历程的要领：

有时它会犯点小过失，好比API引用差池、语法蜕化，有时间还不太能按指令天心理想的内核。

天生的代码结构有点像编译器自动吐出来的，有时在变量命名、张量形状、类型处置惩罚和数值精度这些细节上也容易出问题。

参考资料：

https://x.com/reach_vb/status/1924478755898085552

https://huggingface.co/facebook/KernelLLM