网易首页 > 网易号 > 正文 申请入驻

GPT-6 Astra,算AGI吗

0
分享至

为什么GPT-6 Astra的发布,让OpenAI的总裁布洛克曼(Greg Brockman)说出了 “我们进入AGI时代”?

其中最亮眼的主要是因为ARC-AGI-3评测,在一个增强型的Harness帮助下,Astra得分99.9%。饱和了!


此外,支持布洛克曼判断的,是Astra几种能力同时发生跃迁:

  • 进一步向行动跨越。 Astra已经能直接操作浏览器、Excel、CRM、专业软件,完成填税表、工程设计、网站开发等多步工作。OpenAI在OSWorld测试中报告72.6%,且完成时间较GPT-5.6 Sol缩短约47%。

  • 陌生环境学习。 ARC-AGI-3显示的不是知识量,而是探索、在线学习、因果建模和适应能力。这正是过去LLM最受质疑的一块。

  • 跨专业领域的广度。 Astra同时在计算机使用、软件工程、数学、科学和网络安全上达到前沿水平;FrontierMath Tier 4达到98%,ExploitBench达到100%。

  • 自主性的质变。 Astra成为OpenAI第一个达到“Critical”网络安全能力阈值的模型:在拥有适当工具和权限时,可以不需要人逐步指导,自主发现未知漏洞并设计利用方法。这比一道考试得高分更接近独立工作的定义。

  • 训练本身开始出现AI参与AI改进。 OpenAI称Astra是其首次让其他模型在训练监督中发挥重要作用的前沿模型。这还远不是递归自我改进,但方向已经出现。

这些加在一起,已经开始接近OpenAI长期采用的AGI定义:“高度自主、能够在大多数具有经济价值的工作上超过人类的系统。”

不过, ARC-AGI-3的创始人肖莱(Francois Shollet) 再次强调:“解决 ARC-AGI-3并不能证明一个系统已经实现了AGI。它从来就不是被设计成一条‘终点线’”。

“ARC-AGI-3 测试的,确实是我们认为一个AGI系统应该具备的那些正确的、定性的能力特征——比如:在不确定性下进行探索、在没有明确指令的情况下适应环境、从有限数据中建立因果世界模型,等等。 但这些能力在 ARC-AGI-3 中所体现的规模都很小。”

实际上,2024年底,当OpenAI发布推理模型o3时,ARC-AGI-1的分数跳跃至87.5%,逼近饱和。要知道,ARC-AGI-1从2020年的GPT-3的0%进步到2024年GPT-4o的5%,用了整整四年。当时肖莱撰文,认为由于o3具备了任务建模的能力,从而突破了原先模型记忆和提取的范式,得分取得了突破。但仅仅是饱和而已。

2024/12/21 阅读全文>

什么是ARC-AGI-3?ARC最早来自肖莱 2019年的论文On the Measure of Intelligence。ARC原意是抽象与推理集( Abstraction and Reasoning Corpus),其本意并不是智能已经掌握了多少技能,而是面对陌生任务时,智能获得新技能的效率有多高。

肖莱认为,无限数据、无限算力和无限预训练,在某种意义上都可以“购买能力”,却可能掩盖真正的泛化能力。ARC-AGI-1和2主要还是静态视觉推理题,到了2026年正式推出的ARC-AGI-3,变成了交互式推理。

ARC-AGI-3实际上是一组非常抽象、类似小游戏的环境。AI进入后,没有说明书,没有游戏规则,甚至没有人告诉它怎样才算赢。模型必须自己行动、观察结果、建立假设、推翻错误假设、寻找目标,然后制定计划继续行动。官方正式测试集由大量原创环境和多级任务组成;人类参与者无需事先训练即可解决所有环境。

如此评测,其实已经是一个最简化的智能体认知闭环。那它与真实的人类智能之间,还有哪些差距?下面是肖莱今年3月份展示的一张PPT:


人类智能在深度和规模上要大得多:

  • 学习时间尺度大约高4个数量级:人类是在几十年中建立世界模型,而不是几秒或几分钟

  • 世界模型的复杂度大约高4–5个数量级

  • 可采取行动的空间大约大3–4个数量级

而ARC-AGI-3只是试图在一个非常缩微的世界里建立一个世界模型,它充其量只是AGI的一个必要条件,远非充分条件。

为了避免误解和行业误用,ARC-AGI-3的官网强调:

ARC-AGI系列的目标,是衡量当前人工智能与AGI之间尚未消失的“剩余差距”(residual gap)。我们将AGI定义为:一个系统能够获得人类可以掌握的任何技能,而且获得这些技能的效率与人类相当。

尽管如此,前沿模型仅用了半年时间就把这个基准做到饱和,而不是肖莱之前预计的一年时间,所以,肖莱认为,接下来 AI 进步的速度会让很多人感到惊讶。

肖莱的团队目前仍在开发 ARC-AGI-4,将在 2027 年第一季度发布。前沿模型将会再一次证明,尽管我们距离AGI仍然有差距,但正在以更快的速度接近。

最近黄仁勋已经不止一次明确说“我们已经实现AGI”。8月底他又说,对很多任务可以认为已经实现AGI,随后马上称这种里程碑本身“毫无意义”,真正重要的是AI已经能够自主学习、完成有用工作并产生“可以赚钱的tokens”。

马斯克近一年来也不断把Grok 5与AGI一起炒作,无非“Grok 5可能达到AGI”、“Grok 5就是AGI/接近无法区分的AGI”之类的预测和背书,营销而已。

特别声明:以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布,本平台仅提供信息存储服务。

Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.

相关推荐
热点推荐
“1600元烤全羊剥不出一两肉”,四川平武县通报

“1600元烤全羊剥不出一两肉”,四川平武县通报

扬子晚报
2026-11-18 21:35:50
央视主持人天团亮相深圳,康辉咖位大,邹韵镇场,新主持人扛大旗

央视主持人天团亮相深圳,康辉咖位大,邹韵镇场,新主持人扛大旗

晓肂爱八卦
2026-11-17 20:47:39
当年脚踩熊猫杯的韩国球员今何在?有人留洋梦碎,有人沦为边缘人

当年脚踩熊猫杯的韩国球员今何在?有人留洋梦碎,有人沦为边缘人

墨策讲历史
2026-11-18 21:41:29
盘点网友们分享的亲身经过的奇闻逸事,网友:有些事没法解释清楚

盘点网友们分享的亲身经过的奇闻逸事,网友:有些事没法解释清楚

另子维爱读史
2026-11-18 20:46:42
告诉你一个心理学秘密:千万不要提前焦虑,事情会以奇特方式解决

告诉你一个心理学秘密:千万不要提前焦虑,事情会以奇特方式解决

松果正念袁老师
2025-03-11 20:52:18
官媒发文!46岁谢霆锋正式上任,职责重大,早和张柏芝拉开距离

官媒发文!46岁谢霆锋正式上任,职责重大,早和张柏芝拉开距离

错过美好
2026-11-18 13:37:21
NBA最年轻连续三场40+后卫空降香港 替代班顿加盟山东高速概率远大于广东

NBA最年轻连续三场40+后卫空降香港 替代班顿加盟山东高速概率远大于广东

生活新鲜市
2026-11-19 01:27:24
多国代表赴深圳,中方高规格礼宾,三军仪仗队亮相,APEC需要中国

多国代表赴深圳,中方高规格礼宾,三军仪仗队亮相,APEC需要中国

感谢过往的自己
2026-11-17 17:35:29
俄已解除禁杀令,允许暗杀泽连斯基?特朗普坦言:普京已经让步了

俄已解除禁杀令,允许暗杀泽连斯基?特朗普坦言:普京已经让步了

国际法大视野
2026-11-17 15:18:04
优雅知性的女人最美丽,气质高贵有内涵

优雅知性的女人最美丽,气质高贵有内涵

疾跑的小蜗牛
2026-10-22 20:02:34
异地奔现第一天,男生提出同住被拒,直言:一次花费两千,不划算

异地奔现第一天,男生提出同住被拒,直言:一次花费两千,不划算

王二哥老搞笑
2026-11-19 01:50:10
女排联赛积分榜:天津力克上海全胜领跑,江苏不敌山东遭首败

女排联赛积分榜:天津力克上海全胜领跑,江苏不敌山东遭首败

乒桢泳球
2026-11-18 22:02:03
宫斗还是跪求?黄仁勋突然发长文:我爱美国,我爱英伟达,我想重回CEO(全文)

宫斗还是跪求?黄仁勋突然发长文:我爱美国,我爱英伟达,我想重回CEO(全文)

起点财经
2026-11-18 08:53:45
APEC氛围拉满,西班牙学者感慨引共鸣:外国人也希望能有一个深圳

APEC氛围拉满,西班牙学者感慨引共鸣:外国人也希望能有一个深圳

生活魔术专家
2026-11-18 17:18:42
厉娜的瓜太炸裂了!2018年,她和经纪人在外面放贷,厉娜出了780万,经纪人出了1030万,一共1810万借给陈某,利息高达36%!

厉娜的瓜太炸裂了!2018年,她和经纪人在外面放贷,厉娜出了780万,经纪人出了1030万,一共1810万借给陈某,利息高达36%!

静若梨花
2026-11-16 22:23:40
儿子考上清大4年没回家,母亲到学校去探望,招生办:查无此人

儿子考上清大4年没回家,母亲到学校去探望,招生办:查无此人

温情邮局
2025-09-28 11:57:16
捷达M6:别被8万的价格骗了,有些缺点你可能忍不了!

捷达M6:别被8万的价格骗了,有些缺点你可能忍不了!

百车全说
2026-11-19 01:31:37
误闯天家! 浙江丽水“富家千金”柳晶出嫁,八抬大轿凤冠霞帔,席开近50桌,每桌搭配茅台

误闯天家! 浙江丽水“富家千金”柳晶出嫁,八抬大轿凤冠霞帔,席开近50桌,每桌搭配茅台

裕丰娱间说
2026-11-18 11:42:42
会一起停下来吗?苏亚雷斯透露梅西推迟退役的秘密

会一起停下来吗?苏亚雷斯透露梅西推迟退役的秘密

本泽体育
2026-11-18 06:12:15
美国智库感到不安:中国空军组织大规模演习,有一项数据极为惊人

美国智库感到不安:中国空军组织大规模演习,有一项数据极为惊人

小广说历史
2026-11-17 22:55:55
2026-11-19 03:03:00
未尽研究 incentive-icons
未尽研究
新能源、人工智能、合成生物、地缘X
576文章数 68关注度
往期回顾 全部

科技要闻

离职后首份声明!黄仁勋认错愿回归

头条要闻

欢迎晚宴合影期间 普京与特朗普握手交流

头条要闻

欢迎晚宴合影期间 普京与特朗普握手交流

体育要闻

“中超卡里乌斯”,成了大连的夺冠英雄

娱乐要闻

主持人张泉灵被曝猛料,公司成老赖

财经要闻

黄仁勋留下的高分成绩单,能延续吗?

汽车要闻

全新红旗H9最有意思的地方,是它开始有自己的豪华逻辑了

态度原创

健康
数码
教育
手机
房产

医生眼里"很伤腰"的椅子,很多人天天坐

数码要闻

微星RTX Spark迷你主机EdgeMesa N AI+上市,售价33999元起

教育要闻

课堂上老师一句不及格哦 全班瞬间安静 学生党破防 建议看..

手机要闻

苹果自家App Store终于适配iPhone Duo,铰链屏裂事件又有新进展

房产要闻

周大生出手!海棠湾又一大商业体来了

无障碍浏览 进入关怀版