CMU 论文：Opus 5.5 + Claude Code 搭建的系统在 Singularity-Bench 上超越 SGLang

卡内基梅隆大学发布新论文 Singularity-Bench，给智能体布置 6 项端到端工程任务，包括预训练一个模型、搭建推理服务引擎和集群编排器，每项结果都和 SGLang、NVIDIA Dynamo 等生产级系统在同一批 GPU 上对比打分。 测试中 Opus 5.5 加 Claude Code 实际搭出了预训练管线、推理引擎和集群编排器三项完整系统，其推理服务引擎每 GPU 小时产出 11.52 美元，对比 SGLang 的 8.18 美元高出约 40%。 在总指标 Singularity-Index 上，Opus 5.5 拿到 1.25（1 等于人类基线），其余 10 个智能体平均只有 0.58。这篇基准把智能体评测从问答和代码片段推进到完整生产系统层面，对评估智能体的真实工程能力有参考价值。