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
又是湘雅二院?挂着5项科研基金的论文拿虾滑冒充肿瘤!国家科研经费拿去给AI充会员了?

又是湘雅二院?挂着5项科研基金的论文拿虾滑冒充肿瘤!国家科研经费拿去给AI充会员了?

聊斋新志
2026-11-18 16:53:43
特朗普是美国历史上第一位,也是到目前为止唯一一位,当选总统前既没有任何文职政府公职、也没有参军服役经历的总统

特朗普是美国历史上第一位,也是到目前为止唯一一位,当选总统前既没有任何文职政府公职、也没有参军服役经历的总统

回京历史梦
2026-10-26 10:49:29
追上特朗普专机,马斯克又来了

追上特朗普专机,马斯克又来了

中国新闻周刊
2026-11-18 21:46:31
67岁老人抬棺材时被砸伤致残:抬棺队平均年龄超60岁,每人分300元!起诉丧家索赔8万,判了

67岁老人抬棺材时被砸伤致残:抬棺队平均年龄超60岁,每人分300元!起诉丧家索赔8万,判了

红星新闻
2026-11-18 18:02:29
中国国家主席夫妇举行欢迎宴会 大家都到了!

中国国家主席夫妇举行欢迎宴会 大家都到了!

看看新闻Knews
2026-11-18 22:29:23
太可怕了!网传评论“凭什么给没有血缘关系的男人生孩子”收获9141个赞同,引发大量网友留言

太可怕了!网传评论“凭什么给没有血缘关系的男人生孩子”收获9141个赞同,引发大量网友留言

火山詩话
2026-11-18 11:00:42
2027年法国总统大选:勒庞向乌克兰确认,若当选将终止法国财政援助,称公共财政状况不允许

2027年法国总统大选:勒庞向乌克兰确认,若当选将终止法国财政援助,称公共财政状况不允许

忧郁天空
2026-11-17 20:00:37
学术圈女教授履历惊人,换四任老公步步高升,39岁坐上名校教职

学术圈女教授履历惊人,换四任老公步步高升,39岁坐上名校教职

雾岛夜话
2026-11-18 14:12:23
杀回英伟达,黄仁勋要先干掉董事会

杀回英伟达,黄仁勋要先干掉董事会

起点人文
2026-11-18 17:16:37
一首《慌啥子嘛》把我听吐了......

一首《慌啥子嘛》把我听吐了......

细雨中的呼喊
2026-11-17 18:21:32
突发!黄仁勋黄乐最新消息曝光,大开眼界!

突发!黄仁勋黄乐最新消息曝光,大开眼界!

财经要参
2026-11-18 12:00:05
日本彻底撕破脸!中日关系不可能回头,日本明确表示:中国是日本“前所未有的最大战略挑战”!

日本彻底撕破脸!中日关系不可能回头,日本明确表示:中国是日本“前所未有的最大战略挑战”!

扶苏聊历史
2026-11-17 14:55:44
谁都没想到,APEC大佬云集的会场,最扎眼的竟是董明珠的一个动作

谁都没想到,APEC大佬云集的会场,最扎眼的竟是董明珠的一个动作

不写散文诗
2026-11-18 13:55:13
2026年度中央安全生产考核巡查启动

2026年度中央安全生产考核巡查启动

齐鲁壹点
2026-11-18 19:21:10
字节跳动贷款4.8亿美元买显卡被叫停:这事比你想得要大!

字节跳动贷款4.8亿美元买显卡被叫停:这事比你想得要大!

城事堂
2026-11-18 17:22:57
“深圳人全妆出街迎APEC”,冲上热搜

“深圳人全妆出街迎APEC”,冲上热搜

极目新闻
2026-11-18 10:22:19
“喜欢吃红薯的人天塌了”冲上热搜!薯农:烤出来就是流“油”的;网友:用空气炸锅烤一样很香;专家提醒:这三类人要管住嘴

“喜欢吃红薯的人天塌了”冲上热搜!薯农:烤出来就是流“油”的;网友:用空气炸锅烤一样很香;专家提醒:这三类人要管住嘴

农民日报
2026-11-18 08:48:45
腾讯发声:已到生死存亡时刻

腾讯发声:已到生死存亡时刻

首席品牌评论
2026-11-17 16:49:36
APEC现场 | 特朗普车队抵达深圳东海朗廷酒店,马斯克现身随行大巴车

APEC现场 | 特朗普车队抵达深圳东海朗廷酒店,马斯克现身随行大巴车

澎湃新闻
2026-11-18 20:13:30
17万人请黄仁勋回来,英伟达董事却关上了门,只因....

17万人请黄仁勋回来,英伟达董事却关上了门,只因....

金融八卦女
2026-11-18 16:20:09
2026-11-19 02:47:00
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

老黄想回来?英伟达董事会:没门

头条要闻

中国女子在希腊失踪半年 保险箱发现10万欧元现金

头条要闻

中国女子在希腊失踪半年 保险箱发现10万欧元现金

体育要闻

伪强队?拥4亿豪阵欧国联6连败+世界杯出局

娱乐要闻

陈晓楠对话厉娜和许飞引全网热议

财经要闻

10万人逼宫英伟达,黄仁勋要复职了?

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

游戏
手机
时尚
旅游
军事航空

PC Gamer试玩GTA6百小时:双主角出色但任务重复

手机要闻

2026年最后一款超模旗舰!小米18标准版屏幕、性能、影像全面领跑

秋天衣服别总穿纯色,试试这几件条纹单品,简单时尚又减龄

旅游要闻

青岛冬日赏鸥地图|沿着海岸线,赴一场海鸥之约

军事要闻

美军在中东再成三航母之势

无障碍浏览 进入关怀版