🚀 让 Claude 教会开源模型写 CUDA 内核，这事真的成了。

很多人一提 Agent 技能，第一反应是：直接用最强的 SOTA 模型不就好了？但这篇文章讲的是另一条更“工程化”的路：用最强的模型当老师，把高难度、强领域的能力，教给能在你本地跑、成本更低的开源模型。

这次 Hugging Face 团队选了一个“地狱级”任务来做实验：给 diffusers 写高性能 CUDA kernels。先用 Claude Opus 4.5 这样的顶级模型，一步步完成内核设计、调试和文档，再把整个过程抽象成一个 Agent Skill。接着，用 upskill 自动生成测试用例，对比模型在「有技能」和「没技能」两种情况下的表现。

结果很有意思👇
- 有些开源模型在注入 skill 后，准确率明显提升
- 有些模型准确率变化不大，但 token 使用量大幅下降
- 也有个别大模型，反而不太适合加载这个 skill

这正是 upskill 的价值：不是“技能一定有用”，而是用可量化的方式告诉你，哪个模型 + 哪个技能，才是真的划算。

更关键的是，这些 skill 并不是临时 Prompt，而是结构化、可复用的文件：
- 可以在 Claude Code、Codex、Cursor、本地模型之间复用
- 可以持续迭代、重新生成、重新评测
- 把原本要翻文档、踩坑几小时的 CUDA 专家经验，压缩成几百个 Token，按需加载

一句话总结：
用贵模型“炼技能”，再把技能下发给便宜模型跑，这是 Agent 时代非常现实的一种工作流。

🤗 如果你也在关注 Agent 技能、模型降本、把专家经验系统化沉淀，欢迎加入我们的中文社区：Chinese LLMs on Hugging Face，一起交流真实评测、技能设计和落地经验。
#AI智能体##开源模型##CUDA#