Auto-research cu AI: cum a facut un developer un kernel GPU de 232x mai rapid cu Codex

In iulie 2026, un developer pe nume Sankalp a participat la un concurs de optimizare GPU organizat de GPU Mode si Core Automation. Problema: sa implementezi o factorizare QR pe GPU cat mai eficient posibil. Rezultatul? A obtinut o accelerare de 232x fata de solutia de baza, plasandu-se pe locul 12 din 183 de participanti. Partea interesanta e ca nu a facut-o manual — a folosit Codex, agentul AI de la OpenAI, intr-un proces numit auto-research, unde AI-ul optimizeaza autonom, itereaza, testeaza si imbunatateste codul singur, cu interventie umana minima.

Articolul asta explica ce este auto-research-ul, cum functioneaza concret, ce tool-uri exista si cum poti incepe si tu — chiar daca nu esti expert in GPU-uri.

Ce vei gasi in acest articol:

Ce este auto-research si de ce e diferit de „scrie-mi cod cu AI”

Experimentul concret: cum a optimizat Sankalp un kernel GPU de 232x mai rapid cu Codex

Ce tool-uri de auto-research exista in 2026 (Codex, Devin, Cursor, DeepSeek Harness si altele)

Avantaje reale si riscuri concrete — fara hype

Cum poti incepe tu auto-research, pas cu pas

Despre surse

Acest articol se bazeaza pe postarea publica a lui Sankalp de pe blogul personal (sankalp.bearblog.dev), pe documentatia oficiala OpenAI si pe informatii verificate din comunitatea tehnica. Datele sunt corecte la momentul publicarii (august 2026).

Ce este auto-research si de ce difera de „scrie-mi cod cu AI”

Cand folosesti ChatGPT sau Claude sa-ti scrie o functie, faci ceva simplu: dai o cerinta, primesti cod. Asta e generare de cod asistata de AI — utila, dar limitata. Tu esti in continuare cel care gandeste, verifica si itereaza.

Auto-research e altceva. E un proces in care agentul AI nu doar scrie cod, ci:

Cerceteaza problema (cauta documentatie, articole, solutii existante)
Experimenteaza (incearca mai multe abordari, nu doar una)
Profileaza si masoara rezultatele (nu doar „merge”, ci „cat de rapid e?”)
Itreaza autonom (daca o idee nu merge, incearca altceva fara sa te intrebe)
Mentine un istoric al incercarilor si invata din esecuri

Gandeste-te la diferenta asa: generarea de cod cu AI e ca si cum ai ruga un prieten sa-ti scrie o functie. Auto-research e ca si cum ai angaja un intern care lucreaza peste noapte, incearza 50 de variante, le masoara pe toate si dimineata iti arata cea mai buna solutie.

De ce functioneaza auto-research acum

Auto-research nu e o idee noua. Acum cativa ani, agentii AI se blocau in bucle repetitive — incercau aceeasi solutie la infinit. Ce s-a schimbat:

Modelele sunt mai inteligente. GPT-5.5 (Codex), Claude Opus 4.8, Gemini 3.7 — toate pot rationa mai profund si genera idei diverse.
Inference-time compute. Modelele pot „gandi” mai mult timp inainte de a raspunde, ceea ce imbunatateste calitatea solutiilor.
Tool-urile s-au maturizat. Agentii pot rula comenzi, masura performanta, cauta pe web si itera fara interventie umana.
Verificarea e automata. In multe domenii (programare, optimizare), poti masura automat daca o solutie e mai buna.

Experimentul concret: cum a obtinut Sankalp 232x accelerare cu Codex

Sa intram in detalii. Concursul GPU Mode cerea participantilor sa implementeze factorizare QR compacta Householder pe GPU — o operatie matematica fundamentala din algebra liniara, folosita in machine learning, simulatii fizice si procesare de date. Nu e o problema triviala.

Ce a facut concret

Sankalp a creat un harness (un cadru de lucru) in care Codex lucra autonom. Procesul arata asa:

Codex primea problema si contextul tehnic (documentatie, cod existent, profiler feedback)
Cauta solutii — articole, documentatie CUDA, bloguri de optimizare GPU, alte implementari
Genera cod — kernel-uri CUDA optimizate
Masura performanta — rula profilerul (NCU si Modal) si compara cu baseline-ul
Itreaza — daca solutia nu era mai buna, incerca altceva, fara sa intrebe

Totul se intampla intr-un director bine structurat, cu loguri, arhive si documentatie mentinute automat.

Structura directorului de auto-research

Directorul arata asa la final:

qr/
├── submission.py              # solutia curenta
├── submission_*.py       (560)# variante incercate
├── modal_b200_*.py       (119)# scripturi de test pe GPU
├── AGENTS.md                  # instructiuni pentru agent
├── attempts_log.md            # logul incercarilor
├── docs/                 (68) # documentatie per experiment
├── scripts/                   # instrumente de masurare
├── archive/                   # variante vechi
└── submit_logs/               # loguri de la evaluator

560 de variante incercate, 119 scripturi de test pe GPU B200, 68 de documente de analiza. Asta inseamna auto-research — nu „scrie-mi o functie”, ci „optimizeaza tot ce poti, autonom”.

Strategia cheie: beam de candidati

Cea mai importanta lectie din experiment a fost strategia beam search. In loc sa pastrezi o singura solutie „cea mai buna” si sa incerci doar imbunatatiri incrementale, Sankalp a instruit Codex sa mentina 3-5 candidati activi in paralel:

Un candidat de exploit — cel mai bun de pana acum, optimizat incremental
Un candidat near-miss — o solutie care nu a castigat, dar are un avantaj izolat
Un candidat structural/high-risk — o idee ambitioasa, complet diferita

De ce? Pentru ca agentii AI au tendinta de a se bloca in maxime locale — optimizeaza un pic aici, un pic acolo, dar nu gasesc ideea revolutionara. Cu beam de candidati, pastrezi diversitatea si poti sari la un maxim global.

Lectie importanta

Agentii AI se blocheaza in maxime locale exact ca algoritmii de optimizare clasici. Solutia e diversitatea de idei — beam search, sub-agenti pentru experimente riscante si incurajarea explicita a ideilor noi. Nu lasa AI-ul sa optimizeze o singura directie.

Ce tool-uri a folosit

Tool	Rol
OpenAI Codex (GPT-5.5)	Agentul principal — scria cod, cauta solutii, itera
Claude Opus 4.8	Model advisor — ofera idei noi cand Codex se bloca
Modal	Rulare si profilare pe GPU B200 (cloud)
NCU (Nsight Compute)	Profiler NVIDIA pentru analiza detaliata a kernel-urilor
Sub-agenti	Instante Codex separate pentru experimente paralele

Un detaliu important: Sankalp a folosit Claude Opus ca advisor. Cand Codex se bloca, apela la Claude pentru idei noi. Asta e o strategie din ce in ce mai populara — folosesti un model puternic (si scump) doar pentru directionare, si un model rapid pentru executie. Claude ofera acum un /advisor command exact pentru scenariul asta.

Ce tool-uri de auto-research exista in 2026

Auto-research nu e doar pentru Codex. Mai multe tool-uri si platforme ofera acum capabilitati similare:

Pe langa acestea, exista si tool-uri mai specializate:

Claude Code — agentul de coding de la Anthropic, cu functie de advisor integrata
Aider — tool open-source de coding pair programming cu AI
OpenCode — alternativa open-source cu subscriptie de 10$/luna (detalii)
Modele locale ruleate cu Ollama — daca vrei auto-research fara sa trimiti date pe cloud (ghid Ollama aici)

Avantaje reale si riscuri concrete

Auto-research nu e o bagheta magica. Are avantaje clare, dar si riscuri pe care trebuie sa le intelegi.

Avantaje

Viteza de explorare. Un agent poate incerca 100 de variante intr-o noapte. Tu nu poti.
Fara bias emotional. Agentul nu renunta din frustrare si nu se ataseaza emotional de o solutie proasta.
Documentare automata. Fiecare incercare e logata, masurata si comparata. Nu pierzi idei.
Functioneaza peste noapte. Pornesti procesul, te duci sa dormi, dimineata ai rezultate.
Acces la knowledge vast. Agentul poate cauta documentatie, articole si solutii din intreaga comunitate.

Riscuri

Maxime locale. Agentul se poate bloca optimizand aceeasi directie la infinit. Solutia: beam search si diversitate de idei.
Costuri neasteptate. Rularea a sute de experimente cu modele cloud costa bani. Sankalp a cheltuit semnificativ pe API-uri si GPU cloud.
„Hallucinatii” tehnice. Agentul poate genera cod care pare corect dar e gresit subtil. Verificarea automata e esentiala.
Nu inlocuieste expertiza. Sankalp a avut nevoie de cunostinte de CUDA, algebra liniara si profiling. Agentul accelereaza munca, nu o inlocuieste.
Dependenta de tool. Daca API-ul pica sau modelul se schimba, workflow-ul tau se opreste.

Costuri reale

Auto-research cu modele cloud (Codex, Claude) poate costa sute sau mii de dolari pe luna, in functie de numarul de experimente. Daca bugetul e limitat, ia in calcul modele locale cu Ollama — vezi ghidul nostru despre cum rulezi AI local si cele mai bune modele AI locale pentru programare.

Cum poti incepe tu auto-research — ghid practic

Nu trebuie sa optimizezi kernel-uri GPU ca sa folosesti auto-research. Iata cum poti incepe cu taskuri mai simple:

Pasul 1: Alege problema potrivita

Auto-research functioneaza bine cand:

Exista o masura clara a succesului (timp de executie, scor, acuratete)
Poti verifica automat rezultatele (nu „pare bine”, ci „masoara X”)
Problema are spatiu de explorare (nu o singura solutie evidenta)
Ai timp — auto-research nu e instant, ruleaza ore sau zile

Exemple bune pentru inceput: optimizare de query-uri SQL, imbunatatirea timpului de build, gasirea celei mai bune configuratii pentru un algoritm, testarea mai multor abordari pentru o problema de date.

Pasul 2: Configureaza harness-ul

Un harness de auto-research minim are:

Ce ai nevoie pentru un harness de auto-research

Un agent AI — Codex, Claude Code, DeepSeek Harness sau chiar un script care apeleaza un model local
Un fisier de instructiuni (echivalentul AGENTS.md) care spune agentului:
- Ce problema rezolva
- Ce metrici masoara
- Cum sa itereze (beam search, nu hill climbing simplu)
- Cand sa ceara ajutor uman
Un script de evaluare care masoara automat rezultatele (nu agentul evalueaza singur)
Un director de loguri unde se salveaza fiecare incercare si rezultatul ei
Un buget — stabileste cat esti dispus sa cheltuiesti pe API-uri

Pasul 3: Incepe cu beam search, nu hill climbing

Cea mai mare greseala incepatori: optimizeaza o singura directie. Solutia e beam search — mentii 3-5 variante active si le lasi sa concureze.

Exemplu concret: Daca optimizezi un query SQL, nu incerca doar sa adaugi index-uri. Mentine in paralel:

Un candidat care optimizeaza index-urile
Un candidat care rescrie query-ul cu JOIN-uri diferite
Un candidat care incearca o abordare complet diferita (materializare, caching)

Pasul 4: Adauga un advisor model

Daca bugetul iti permite, foloseste un model mai puternic doar pentru directie. Strategia pe care a folosit-o Sankalp:

Executor: Codex (rapid, ieftin, ruleaza experimentele)
Advisor: Claude Opus (mai inteligent, ofera idei noi cand executorul se blocheaza)

Asta se traduce practic prin: rulezi Codex pentru executie, dar cand nu progreseaza de 5-10 iteratii, trimiti contextul la Claude cu intrebarea „ce altceva as putea incerca?”.

Pasul 5: Monitorizeaza si intervine

Auto-research nu inseamna „seteaza si uita”. Verificarea periodica e importanta:

O data la cateva ore — vezi daca progreseaza sau se invarte in cerc
Cand se blocheaza — intervinene manual, redirectioneaza agentul catre o directie noua
Cand gaseste o solutie buna — documenteaza de ce functioneaza si daca poti extrapola

Lectii din experimentul Sankalp — ce poti invata

Dincolo de tehnica, experimentul ofera cateva lectii valoroase pentru oricine vrea sa incerce auto-research:

Expertiza de domeniu accelereaza totul

Sankalp a avut cunostinte de CUDA, algebra liniara si profiling GPU. Fara ele, nu ar fi stiut ce intrebari sa puna agentului. Agentul AI e un accelerator, nu un inlocuitor al cunostintelor. Daca nu intelegi problema, nu poti directiona agentul eficient.

Lectie: Investeste timp sa intelegi problema inainte sa automatizezi. Auto-research functioneaza cel mai bine cand stii ce cauti.

Intrebarile bune conteaza mai mult decat codul

Una dintre cele mai eficiente strategii ale lui Sankalp a fost sa puna intrebari specifice agentului: „Ce informatii ne lipsim?”, „Care e cel mai nou profil?”, „Exista candidati de fuziune?”, „Poti trimite sub-agenti sa caute optimizari?”. Aceste intrebari directionau agentul catre zone neexplorate.

Lectie: Nu lasa agentul sa decida singur ce sa exploreze. Ghideaza-l cu intrebari specifice.

Diversitatea de idei bate optimizarea incrementala

Cand Sankalp a introdus beam search, progresul a crescut semnificativ. In loc sa optimizeze o singura solutie, pastra 3-5 directii active. Cand o directie se bloca, alta putea sa continue.

Lectie: Nu te atasa de o singura solutie. Pastreaza alternative si lasa concurenta sa decida care e mai buna.

Ce inseamna auto-research pentru viitorul programarii

Auto-research nu e doar un experiment interesant — e un semn al directiei in care merge programarea. In loc sa scrii cod linie cu linie, devii arhitectul si directionarul unui sistem care exploreaza, testeaza si optimizeaza autonom.

Asta nu inseamna ca programatorii nu mai sunt necesari. Dimpotriva — e nevoie de mai multa expertiza, nu mai putina. Diferenta e ca expertiza se muta de la „scrie cod” la „directioneaza agentul, intelege rezultatele, ia decizii strategice”.

Daca vrei sa ramai relevant ca developer in 2026 si mai departe, incearca auto-research. Incepe cu o problema simpla, foloseste un tool ca Codex sau DeepSeek Harness, si experimenteaza. Nu trebuie sa obtii 232x accelerare — chiar si 2x imbunatatire printr-un proces automatizat e o victorie.

Vrei sa incerci auto-research cu modele locale?

Daca nu vrei sa depinzi de cloud si sa platesti API-uri, poti rula modele AI locale pentru auto-research. Vezi ghidurile noastre despre cum rulezi AI local cu Ollama si cele mai bune modele AI locale pentru programare in 2026. Poti construi un harness de auto-research complet local, fara costuri recurente.

Intrebari frecvente

Auto-research functioneaza doar pentru programare?

Nu. Auto-research functioneaza pentru orice problema unde poti masura automat rezultatele. Exemple: optimizare de procese, analiza de date, testare de configuratii, research de piata cu verificare automata. Programarea e doar cel mai popular domeniu pentru ca verificarea e usoara — codul fie merge, fie nu.

Cat costa auto-research cu modele cloud?

Depinde de numarul de experimente. Pentru un workflow modest (50-100 de experimente), te poti astepta la 10-50$ pe sesiune. Pentru experimente intensive (500+ variante, cum a facut Sankalp), costul poate ajunge la sute sau mii de dolari. Alternativa: modele locale cu Ollama — zero costuri API, dar ai nevoie de hardware performant (GPU cu 8+ GB VRAM minimum).

Am nevoie de experienta tehnica pentru auto-research?

Da, ai nevoie de intelegerea problemei pe care vrei sa o optimizezi. Agentul AI accelereaza explorarea, dar nu stie ce cauti daca tu nu stii. Sankalp a avut cunostinte de CUDA si algebra liniara — fara ele, nu ar fi putut directiona agentul eficient. Incepe cu probleme pe care le intelegi bine.

Care e diferenta intre auto-research si coding asistat de AI?

Coding asistat de AI: tu ceri, AI-ul scrie, tu verifici si iterezi. Tu esti in control total. Auto-research: AI-ul cerceteaza, experimenteaza, masoara si itereaza autonom. Tu stabilesti directia si verifici periodic, dar AI-ul face majoritatea muncii. E diferenta dintre „scrie-mi o functie” si „optimizeaza-mi acest sistem peste noapte”.

Surse: Sankalp’s blog — Auto-research with Codex, GPU Mode — Linear Algebra Kernels in the Age of Research, OpenAI Codex Documentation, DeepSeek Harness GitHub