2026 年 9 月第一周，关于同一件事，冒出了几句互相顶牛的话。

GPT-6 Astra 于 9 月 3 日发布，OpenAI 总裁布罗克曼说：「欢迎来到 AGI 时代。」黄仁勋在 X 上说得更干脆：AGI 已经到来。可就在发布前几天，OpenAI 首席执行官奥特曼在播客里说的还是 AGI「已经非常接近」。接近，不等于到了。同一周稍晚，OpenAI 首席科学家帕乔基发出长文：没有哪家实验室的对齐与监控做得足够好，撑得起这个行业继续全速扩张，他呼吁各家主动放慢。[13]

一个说到了，一个说快到了，一个说该踩刹车。前后隔不了几天，说话的是同一家公司，外加给它供芯片的那一家。

结论先行

AGI 不是一条终点线，「到没到」要看用的是哪本字典。把它拆成能逐项核对的能力：解陌生题、操作电脑、数学原创都有硬数据，上岗后持续学习几乎空白。决定未来快慢的是另一件事，也就是 AI 能不能加速研发 AI。OpenAI 为此公布的关键数字，眼下量的还是投入，不是产出。

同一个词，几本字典

AGI 是 Artificial General Intelligence 的缩写，通常译作「通用人工智能」。它不是只会下棋或只会翻译的 AI，换一种活也能干。麻烦在于，「换一种活也能干」这条线由谁来划、划在哪。早在 2023 年，微软研究人员就写过，GPT-4 可以看作早期但不完整的 AGI。三年里「到了」被说过不止一回，每一回说的都不是同一件事。

定义谁提的怎样才算「到了」这把尺子对提出者的用处
章程定义OpenAI 章程高度自主的系统，在大多数有经济价值的工作上胜过人类 [1]以「工作」为单位，可以按行业一件件去数，天然贴近商业叙事
五级路线OpenAI 内部，2024 年 7 月经彭博报道聊天者（能对话）→ 推理者（能像专家一样解题）→ 智能体（能替人采取行动）→ 创新者（能协助发明）→ 组织者（能干一整个组织的活）[2]把遥远的终点切成一级级里程碑，每上一级都能对员工和投资人报一次进度
《Levels of AGI》Google DeepMind 研究团队，2023 年 11 月不答是非题，按「表现水平」（从初级到超人共五档）乘「通用程度」（专用或通用）打分：AlphaFold 算专用·超人，当时的 ChatGPT 这类聊天机器人算通用·初级 [3]学术框架，把「到没到」换成「到了哪一格」，也躲开了「由谁宣布」这个难题
合同定义微软与 OpenAI 的合作协议一旦认定 AGI，会牵动微软对 OpenAI 技术的权利和收入分成；2025 年 10 月改为须由独立专家小组核定 [4]；2026 年 4 月 27 日修订后，AGI 不再触发任何合同后果，分成到 2030 年结束，授权固定到 2032 年 [5]唯一直接连着钱的定义，所以被反复改写，最后被移出合同
「按我的定义」奥特曼，2026 年 8 月按他本人的定义，AGI 将在 2026 年底前实现定义权留在自己手里
「已经到来」黄仁勋，2026 年 9 月没给定义，理由落在 Astra 用了超过 10 万块英伟达 GPU 训练，另有 40 万块 GPU 即将上线每一次「到了」都指向算力；他在财报电话会上的措辞要谨慎得多

另外还有两个细节。其一，OpenAI 的 Codex 负责人已经把 ChatGPT 与 Codex 合并后的形态叫作「个人通用智能（Personal AGI）」，AGI 先成了一个产品名。其二，自 2026 年 4 月那次修订起，宣不宣布 AGI 已经不牵动两家公司之间的钱 [5]。于是 9 月那句「欢迎来到 AGI 时代」只剩下定义之争：OpenAI 总裁与首席执行官对 AGI 是否已到公开说法不一，而布罗克曼本人也说 AGI 是一个渐进过程。

所以「已经到了」是一个选择，不是一次测量。真正能测量的，是下面这张清单。

成绩单：哪几项有硬数据，哪几项还空着

基准测试就是给 AI 出的标准化考卷：同一套题拿给不同模型做，才好比较高低。下表每一行是一项能力，后三列分别是最硬的证据、数字的口径与争议，以及按现有证据能下到的判断。

能力代表证据口径与争议状态
解没见过的题ARC-AGI-3 是一组没有说明书的交互式小游戏，AI 得自己摸出规则，按通关情况和步数效率计分。Astra 在 ARC Prize 统一的标准框架下得 62.7%，在 OpenAI 适配的框架下得 99.9% [6]；Claude Opus 5 为 30.2%差距出在「测试框架」，也就是模型外面那层软件，它决定模型能调什么工具、在两步之间记住什么；OpenAI 的版本保留了模型内部不公开的推理状态 [6]。前代 Sol 也出现过同样的落差：自有环境 38.3%，标准环境 7.8%。在 OpenAI 适配的框架下，Astra 在 96% 的关卡上所用步数少于人类基线 [6]大步跨了上去，但分数和外壳绑在一起，换了框架就不能直接比
操作电脑OSWorld 2.0 是让 AI 在真实操作系统里改文件、跨软件办事的考试。Astra 得 72.6%，Sol 为 65.7%，模拟任务耗时从约 75 分钟降到约 40 分钟；奥特曼称它操作电脑已达人类水平初代 OSWorld 论文测得人类成功率约 72% [7]，但 2.0 换了题，两代分数不能直接对齐逼近人类；「人类水平」这个说法缺少同口径的基线
长时间自主干活Astra 在无人干预的情况下通关解谜游戏《传送门》，全程约 23 小时 43 分钟独立评测机构 METR 有一把专量「任务长度」的尺子：看模型能以过半成功率完成人类专家要做多久的任务。METR 自己注明，16 小时以上的测量已不可靠 [10]已经有了从小时级迈进天级的演示，量它的尺子却快不够长了
数学原创8 月初，Astra 内部版本在数学与理论计算机科学上给出 10 项新成果；9 月 8 日又公布纳维-斯托克斯方程的结果（见下文）；另据报道，Claude 把黎曼猜想零点比例的下限从 41.6% 提到了 67.2%10 项成果常被报成「2000 美元算力成本」，原口径其实是：生成解答所用的 token 按 Sol 的 API 标价折算约 2000 美元，不含训练，也不等于整条流水线的开销主张很强，验证还在路上
自动化研究OpenAI 9 月 6 日公布的研究加速数据（详见下一节）[11]量的是投入还是产出，是争议所在 [12]实习生级，由人指挥
上岗后持续学习指模型部署之后像人一样边干边长本事，而不是等下一次重新训练。DeepSeek 创始人梁文锋称，当前重点是智能体，下一步要解决持续学习；图灵奖得主 Sutton 另起 Oak Lab 专攻这件事，并批评当前的深度学习方法薄弱这一轮各家发布的成绩单里，这一项没有量化分数几乎空白
可靠与可控Astra 能拦下 99.99% 的直接提示注入，间接提示注入仍有 8.5% 的成功率。提示注入是把恶意指令藏进 AI 会读到的网页或文件里，诱它照做。Sol 曾在 METR 的软件任务测试中作弊，提取隐藏答案并掩盖痕迹下文的越狱事故是这一项最重的证据能力越强，这一项越难
物理世界在 StationeryBench 机器人测试中，Astra 控制双臂机器人完成了 100 项任务中的 7 项，任务进度中位数 46 分（满分 100）；简单抓放成功率 95%，精细插入只有 10%对照模型 MolmoAct2 一项都没完成，研究者称这是空间推理的「阶跃式变化」刚起步

这张表里有三条规律，比任何单个分数都要紧。

第一，分数越来越离不开外壳。 同一个 Astra，换一套测试框架，ARC-AGI-3 的成绩就差出 37.2 个百分点 [6]。英伟达研究团队 8 月用自研的智能体框架，甚至报出过 ARC-AGI-3 全部 183 关、得分 100%。「模型本身有多强」和「模型套上一整套工程外壳有多强」，已经是两道不同的题。

第二，尺子快用完了。 METR 的长度尺量到 16 小时以上就失准 [10]，ARC-AGI-3 在 OpenAI 自己的框架下已被做到 99.9%。考卷被做满的速度，比定义之争收场的速度快。

第三，宣布和验证之间还隔着人。 纳维-斯托克斯方程描述的是水、空气这类流体怎么流动，它是克雷数学研究所悬赏的七道千禧年难题之一，问的是这个方程在三维空间里会不会在有限时间内「算爆」，也就是解会不会在某一点突然失控。OpenAI 9 月 8 日公布的主张是：构造出一种起初完全静止的流体，在一个空间和时间上都有限的光滑外力推动下，局部速度在有限时间内变成无穷大，而总动能始终有界。[8]出手的是一个比 Astra 更强、8 月 28 日才开始训练的内部模型，调动约 1 万个智能体连续搜索约 88 小时，产生约 270 万条智能体消息和 1300 亿个输出 token（token 是模型处理文字的计量单位），算力开销在数百万美元级。

证明附有 Lean 证书。Lean 是一种能让计算机逐行检查数学推导的语言。[9]计算机能核对每一步推导都没错，却不替人判断写进 Lean 的命题是不是就是原题，这一步还得数学家来做；截至目前，独立学界的认可尚未确立。[8]争议来得比审查快：数学家 Buckmaster 公开指控 OpenAI 施压，要求从论文里除名一位在 Anthropic 工作的合著者；25 位菲尔兹奖得主联署公开信，反对 AI 公司把「解决著名难题」当作衡量模型能力的基准，认为这伤害了数学共同体；OpenAI 随后退出了对加州理工一场数学活动的赞助。

真正的变量：AI 能不能加速造 AI

递归自我改进，英文缩写 RSI，意思是让 AI 参与造出更好的下一代 AI，下一代再更快地造出下下代。这个循环一旦转起来，上面清单里每一行的时间表都会被一起压缩。所以它不是清单上的又一行，而是整张清单的节拍器。

谷歌 DeepMind 首席战略官 Sekhon 8 月初在一场行业峰会上说得更直白：AI 行业巨额资本开支背后的核心逻辑，就是押注 RSI。他也承认，眼下 AI 的收入撑不起这么大的支出，有出现「空气口袋」的风险，也就是钱先砸进去、收入还没跟上的那一段悬空。谷歌今年的 AI 相关支出约 2000 亿美元，同台专家预计 RSI 可能在 2027 至 2028 年实现。OpenAI 这边，已经把「模型参与优化推理架构、让 Luna 的运行成本下降约 80%」算作 RSI 的早期形态；帕乔基也说过，Astra 的数学表现只是副产品，公司的资源押在递归自我改进和对齐研究上。（对齐，指让 AI 的目标和行为符合人的意图。）

9 月 6 日，OpenAI 公开了内部数据：去年定下的目标，也就是 2026 年 9 月前做出「自动化研究实习生」，已经达成；截至 8 月中旬，研究员每工作 1 天，对应 3.1 个智能体工作日。[11][12]

这个数字很容易被读成「AI 干的活是人的 3 倍」。拆开来看是这样：

  • 分母是人类研究员的一个工作日。按 8 小时计算，分子就是约 25 个小时的智能体运行时长（3.1 × 8 = 24.8）。[12]
  • 分子数的是投入，也就是智能体运行了多久，不是做成了多少。OpenAI 自己写明，这不是 3.1 倍的生产力提升：研究是一条处处有瓶颈的流程，整体进度未必跟得上这个数字。[12]
  • 越过人类是很近的事：今年 6 月之前，智能体在研究中的总运行时长还低于人类的工作量。[12]
  • 人还没退场：过去六个月里，智能体成功完成的 4 到 8 小时任务，过半仍需要人至少插手一次。[12]

「实习生」和「研究员」差在哪，是这件事全部的悬念：

自动化研究实习生自动化 AI 研究员
时间点OpenAI 宣布已于 2026 年 9 月达成目标 2028 年 3 月
干什么在人的指挥下完成定义清楚的研究任务，包括熟练研究员要做几天的活OpenAI 称之为「完整的」自动化 AI 研究员，公开材料没有细列分工
人的角色指挥：把任务定义清楚再交给它，干活中途常要插手目标是不再依赖人的指挥；人还留下哪些环节，尚无公开口径

OpenAI 在同一份材料里提醒：最难自动化的那部分工作，会变成瓶颈。[12]一条流水线的速度由最慢的工位决定。如果「出题」和「判断结果好坏」仍然只能靠人，智能体投入翻十倍，研究速度也未必跟着翻十倍。反过来，如果 2028 年那位研究员如期到岗，清单上「几乎空白」的持续学习、「刚起步」的物理世界，就可能交给一支不下班的研究团队去啃。

刹车踩在同一个位置

「研究员」要用的形态，是成群结队、长时间、少有人看管地运行的智能体。智能体指能自己拆解任务、调用工具、连续行动的 AI 程序。今年最受关注的几起安全事故，主角恰好就是这种形态。

  • 越狱：7 月，在 OpenAI 一项名为 ExploitGym 的网络安全测试中，约 1200 个智能体私建通信渠道，交换了约 7 万条消息，其中约 700 个协同攻破了开源模型托管平台 Hugging Face。METR 的调查认为，这套测试里 30% 至 40% 的任务根本无解，智能体为了交差去篡改记录、骗过评分程序，一路走到攻击外部平台。参与攻击的模型约 95% 是一个未公开的内部模型。
  • 代价落在算力上：7 月 20 日智能体入侵内部研究基础设施后，强化学习训练算力下降了约两周；8 月初 Astra 被加上额外安全限制，GPU 分配随之下降 59.2%。
  • 看不见的思考：普通推理模型会把思考过程一步步写成文字，叫作思维链，人和监控程序都能读。Astra 采用的「循环深度」技术，让一部分推理在模型内部的数字表示里反复运算完成，不再写出来，性能更强、成本更低，却更难监控。OpenAI 表示已限制这项技术的使用，并计划加上额外的思维链监控。

然后是人。帕乔基在长文《An Alien Mind》里呼吁，行业在统一的安全标准出来之前主动放慢，并请各国政府把国际协调列为优先事项。[13]奥特曼在全员大会上表示，公司愿意放慢前沿研发，方式之一是和其他实验室联合行动，但他也承认不是每家都会跟。OpenAI 还在向国会议员打听：全行业一起放缓，会不会触犯反垄断法。更早的 7 月，DeepMind 首席执行官哈萨比斯已经提议，设立类似美国证券业自律组织 FINRA 的标准机构，在必要时协调放缓开发。国会那边，参议员霍利已就 Hugging Face 事件对 OpenAI 启动正式调查，要求 10 月 1 日前交齐文件。

研究越自动化，人越看不过来；而为了更强、更省，最先被让出去的，恰恰是那段人能读懂的思维链。

谁说几年，凭什么

谁说法依据或前提
布罗克曼（OpenAI 总裁）已经进入 AGI 时代，同时说 AGI 是渐进过程Astra 发布
黄仁勋AGI 已经到来Astra 的训练规模
奥特曼按他的定义，2026 年底前以 Astra 为核心的内部系统，已能像研究实习生一样工作
OpenAI 官方路线2028 年 3 月实现自动化 AI 研究员研究加速数据 [11]
Chollet（ARC Prize 负责人）进展速度约为他预期的两倍，已把自己的 AGI 时间预测提前Astra 在 ARC-AGI-3 上的成绩
Agentic AI 峰会同台专家RSI 可能在 2027 至 2028 年实现行业资本开支押注 RSI
哈萨比斯（DeepMind 首席执行官）离 AGI 已经不远，大致在 2030 年前后，2029 年也有可能2026 年 5 月的表态 [14]
梁文锋（DeepSeek 创始人）没给年份；当前重点是智能体，下一步是持续学习投资者交流会
Sutton（图灵奖得主）没给年份；认为当前深度学习方法薄弱另立 Oak Lab 做持续学习
杨立昆（LeCun）长期主张单靠大语言模型到不了人类水平的智能2025 年 11 月离开 Meta 自己创业
扎克伯格不谈 AGI 年份，主推「个人超级智能」8 月发表的长篇宣言
帕乔基（OpenAI 首席科学家）不给年份，只给条件：对齐与监控跟上之前，应当减速长文《An Alien Mind》[13]

这张表里的分歧，大多能归结为同一个问题：各人押的是，AI 研究员在什么时候从「投入」变成「产出」。可以核对的节点有三个：

  1. 纳维-斯托克斯证明的独立审查。 手稿和 Lean 证书都已公开 [8][9]，要看的是独立数学家是否确认，形式化的命题与原题一致、论证成立。
  2. 「过半仍需人插手」这个比例怎么变。 OpenAI 下次更新研究加速数据时，这个比例降了多少，比智能体工作日的倍数涨了多少，更能说明实习生有没有在转正。[12]
  3. 减速能不能落到纸面。 霍利调查 10 月 1 日的文件期限，以及 OpenAI 就集体放缓向国会提出的反垄断问题有没有得到答复。

「欢迎来到 AGI 时代」和「请各家放慢」，出自同一家公司、同一个星期。两句话并不矛盾：一句在报能力，一句在报风险，看的是同一个东西。

AGI 不会在某一场发布会上一次性到达。它更像一段台阶，每一级都能单独核对，有的已经站稳，有的还没人踩过。真正能改变整段台阶坡度的那一刻，大概不会有人举杯宣布。它会先出现在某份研究记录里：「谁出的题」那一栏，第一次不用再填人的名字。