由 doubleAI 提供，麦克斯韦在代码运行时理解并改善代码，推理硬件和数据，而不仅仅是代码。每个改进都被正式证明与原始代码等价。阅读宣言 38 倍更快的数据处理流水线 4.25 倍更快的 AI 推理内核 什么是代码执行模型？一部短动画影片，配有旁白和字幕，介绍麦克斯韦：大多数代码从未接触其运行的硬件或处理的数据。麦克斯韦在程序运行时观察，同时重写底层二进制，以适应确切的机器和数据，并正式证明每个改进与原始代码等价。它可以在 CPU 和 GPU 上运行，加速数据管道和 AI 推理内核。 特约客户 LTX-2.5 以一半的时间生成 4K 视频 LTX 自第一天起便为效率构建 LTX-2.5，端到端编译，跨 GPU 的序列并行，使用手写的注意力内核进行解码。由顶尖人类专家构建并优化的管道。麦克斯韦使他们的 4K 生成速度几乎快了一倍。 (打开 ltx.io) 1.87 倍更快的 4K 视频生成 在两个 B200s 上每个 4K 片段 134 秒，从 250 秒减少 阅读故事 麦克斯韦的演示 观看麦克斯韦在优化 GPU 和 CPU 代码方面的实际操作。一旦麦克斯韦拥有足够的运行时数据，它会在程序继续运行时，切换到针对该确切机器量身定制的正式证明优化。 基于 GPU 的语音转文本，使用 Whisper 两个终端在同一 RTX 4090 上运行相同的 Python 脚本：180 次转录，使用 Whisper-small 从冷启动开始。没有麦克斯韦时，在左侧，耗时 106.23 秒。使用麦克斯韦时，在右侧，完成时间为 49.82 秒。两者生成的转录文档完全相同。录音以 4 倍速播放。 基于 CPU 的图算法 两个终端在同一台机器上运行相同的 Python 脚本：NetworkX 中介中心性，15 次运行。没有麦克斯韦时，在左侧耗时 61.44 秒。使用麦克斯韦时，在右侧，完成时间为 17.50 秒。两者打印的结果完全相同。录音以 4 倍速播放。 麦克斯韦背后的研究 麦克斯韦接近布莱克威尔上的光速 经过一天的搜索，麦克斯韦在 90% 的 SOL-ExecBench 的布莱克威尔内核上超过了 NVIDIA 的 PyTorch 基线。 (打开 doubleai.com) doubleAI 的麦克斯韦：超越专家编写的内核 在规模上独立生成并验证了一个超优化的 drop-in 版本 NVIDIA cuGraph，平均速度提高 3.6 倍。 (打开 doubleai.com) 以闪电般的速度运行 pandas 而无需更改一行代码 麦克斯韦从头开始完全重写了 pandas 的内核，专门为现代硬件优化。 (打开 doubleai.com)