北京
Google DeepMind负责人Koray在最近一次对谈中，聊到了通往AGI的路径、3.7 Flash的进展，以及团队为什么把全部火力集中在最前沿的模型上。这场对话由Logan Kilpatrick发起，信息量不小，但核心就一件事：这家顶级AI实验室正在用最直接的方式押注未来。
前沿模型不是选择题，是必答题
Koray在对话中明确表示，团队对前沿模型的专注是"激光般聚焦"的。这个说法不是修辞，而是策略表态——在AGI的竞赛里，Google DeepMind选择把资源集中在最难的挑战上，而不是分散到各个细分场景。背后的逻辑很直白：如果通用智能是终点，那中间态的模型做得再多，也只是绕路。
这种"死磕前沿"的姿态，和市面上不少AI公司"先落地再迭代"的路线形成了鲜明对比。Koray的潜台词是：与其在应用层做一百个小改进，不如在模型能力上做一次大突破。这个判断是否成立，取决于你相信AGI是渐进式逼近，还是需要某个质变节点。
3.7 Flash：效率与能力的平衡点
对谈中特别提到了3.7 Flash的进展。虽然细节没有展开，但把它放在"前沿模型"的语境下讨论，本身就说明了一个信号：即便是主打效率的Flash系列，也在朝着更强的推理能力推进。Flash的定位从来不是"够用就好"，而是在成本和性能之间找到那个让更多人能用上先进AI的临界点。
对于开发者来说，这个进展值得关注。如果3.7 Flash能在保持低延迟的同时，把推理质量拉到接近旗舰模型的水平，那意味着很多原本跑不动的应用场景会突然变得可行。这也是为什么Koray愿意在AGI话题里专门提它——前沿突破最终要变成可用的工具，Flash就是那个转化器。
AGI路径：没有捷径，只有硬功夫
关于AGI的路径，Koray没有给出时间表，也没有抛出惊人的预测。他的态度更接近工程师式的务实：把前沿模型做好，AGI是水到渠成的事。这种回答在AI圈里不算激进，但结合Google DeepMind的体量和资源，它的分量在于——这家实验室是真的在按这个逻辑执行。
对普通从业者来说，这场对谈的启示可能更朴素：当头部实验室都在押注前沿能力时，跟随者的最优策略不是模仿，而是想清楚自己站在AGI链条的哪一环。是做基础设施，做应用，还是做数据？每个位置都有机会，但前提是别在错误的层级上用力。
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.
