LLM不是AGI，但这并不重要

很长一段时间里，我困在“我们回来了”和“一切都完了”的循环中。每一个新基准和模型都会让我的AGI时间线剧烈摇摆。四个月前，我接受了一个简单的真相：

我们距离真正类人AI（AGI）可能还有数年之遥，但自我改进、颠覆性且具有经济价值的AI正在当下发生。

让我解释一下。

当你用GPT-5.3-xhigh和Opus 4.6 Thinking等最先进的模型处理编码任务时，几乎所有事情都能开箱即用。

然而，如果你曾用它们测试过一种非常冷门、资源匮乏的编程语言，一个深度技术领域，或一个全新框架，你会发现这些模型仍然会惨败。

就连Anthropic的研究人员也承认，Opus 4.6还不足以取代初级研究员，因为它缺乏自主性、理解力、方向感和品味，而且至少在未来3个月内不会有所改善。

另一个最近的例子：Opus 4.6在ARC-AGI-2和FrontierMath等许多公认困难的推理和数学基准上表现出巨大进步，但不知何故，这些巨大提升并没有转移到其他推理密集型任务上，比如解国际象棋谜题。

当前模型存在泛化差距，但这并非致命问题。它只是意味着通往AGI的道路看起来不像是一次性突破，而更像是一个无情的、不断累积的循环。

这些LLM也不仅仅是模式匹配或统计鹦鹉。可解释性研究表明，它们确实以至少与我们有些相似的方式对世界进行建模。但有一个关键区别：它们无法即时调整这些模型。测试时计算有所帮助，但人类天生具备的那种灵活泛化和迁移学习能力仍然遥不可及。

我相信这在很大程度上依然成立，至少在我们实现持续学习之前。在那之后，我不确定我们是否还需要更多突破，可能只需让学习更高效即可。

AI公司清楚自己的模型并非AGI，且高度依赖数据，这正是他们拼命获取更多数据的原因。这也是他们雇佣数千名专业人员从事数据整理，以及推出那些免费Codex和Gemini服务的背后动机。他们想要且需要你的数据。

但我们不必因为缺乏持续学习、仍依赖源源不断的新数据而转为悲观。这并非终结，恰恰相反。

GPT-5.3-xhigh和Opus 4.6 Thinking让我们得以闭合一个自我改进的训练循环。这本质上正是特斯拉自动驾驶团队多年来所描述并努力实现的目标：他们识别出无法正常工作的任务，尽可能多地收集相关数据，启动模拟，并训练新模型。

这个循环的迭代时间随时间推移不断缩短，并日益自动化。

当OpenAI或Anthropic发现某些环节不奏效时，他们遵循同样的策略。他们尽可能从网络上抓取相关数据，生成一系列强化学习环境，或让最佳模型评判另一模型的输出，在极端测试时计算设置下生成数十亿个经过验证的合成token，然后基于结果训练新模型。

这样一来，今天所有分布外的情况，将在几天内而非几个月内变为分布内。

在此之上，大规模计算扩展仍在继续，这既提升了模型本身，也改进了训练流程。

这个飞轮正是我在2024年年中所设想的，尽管当时我想到的是蒙特卡洛树搜索（MCTS）（笑）。在2024年末推理模型问世后，我相当确信这种测试时计算（TTC）+强化学习（RL）的飞轮是（且依然是）前进的方向。

每一次迭代都让下一次更快、更便宜、范围更广。我们不需要奇迹，只需让循环持续转动。而此刻，它正以前所未有的速度飞转。

最坏的情况是，AI在我们关心的每个领域都变得普遍更强大，并大幅提升生产力。尽管模型仍主要依赖训练数据，但通过强化学习、超大上下文窗口、即时工具访问以及超人的思考速度和并行处理能力，它们能在特定任务上超越人类。当前模型或许无法独立开展研究，在这种范式下也可能永远无法做到。但它们能帮助我们消除几乎所有其他瓶颈。仅此一点，就足以改变一切。