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
耐人寻味!黄仁勋前脚卸任英伟达,刘强东后脚砸99亿买下欧洲1000家店,雷军同一天官宣巴黎,三件事同一天,真有那么巧吗

耐人寻味!黄仁勋前脚卸任英伟达,刘强东后脚砸99亿买下欧洲1000家店,雷军同一天官宣巴黎,三件事同一天,真有那么巧吗

老猫观点
2026-11-18 08:52:59
习惯侧睡的男人,无论朝左还是朝右,大多藏着这6个特质

习惯侧睡的男人,无论朝左还是朝右,大多藏着这6个特质

风起见你
2026-10-17 06:09:48
为什么都在宣传用了新能源车就回不去了?看网友评论:引万千共鸣

为什么都在宣传用了新能源车就回不去了?看网友评论:引万千共鸣

另子维爱读史
2026-08-04 21:35:07
中俄美三国会晤,欧洲破防了:俄罗斯没资格上桌,我们才该有一席之地

中俄美三国会晤,欧洲破防了:俄罗斯没资格上桌,我们才该有一席之地

吃瓜小侦探
2026-11-18 09:29:05
现代韦小宝?贵州男子4女伴4娃,正妻是商K公主,正脸、家境曝光

现代韦小宝?贵州男子4女伴4娃,正妻是商K公主,正脸、家境曝光

谢鵑解说
2026-10-14 11:39:22
国家统计局:10月全国城镇不包含在校生16-24岁劳动力失业率为17.2%,连续两个月下降

国家统计局:10月全国城镇不包含在校生16-24岁劳动力失业率为17.2%,连续两个月下降

澎湃新闻
2026-11-18 16:09:03
江苏原常委赵少麟:开国上将之子,退休8年因其子赵晋而入狱

江苏原常委赵少麟:开国上将之子,退休8年因其子赵晋而入狱

文史旺旺旺
2024-11-25 21:04:27
印度知名网红发文,直言中国电动飞机都起飞了,印度还在研究牛粪

印度知名网红发文,直言中国电动飞机都起飞了,印度还在研究牛粪

新游戏大妹子
2026-11-18 12:43:03
大家有没有发现?油车加200元油,大致能跑400公里,新能源电车花200元电费,可能能跑2000公里。用车成本差这么大,为什么仍有人买油车?

大家有没有发现?油车加200元油,大致能跑400公里,新能源电车花200元电费,可能能跑2000公里。用车成本差这么大,为什么仍有人买油车?

扶苏聊历史
2026-09-22 16:09:20
狗子被爆米花机崩飞,事故全程被多机位记录…摊主事后用排骨安抚,评论区:迟来的深情比草都贱,后会有期安排一下…

狗子被爆米花机崩飞,事故全程被多机位记录…摊主事后用排骨安抚,评论区:迟来的深情比草都贱,后会有期安排一下…

大爱狗狗控
2026-11-18 20:48:36
彻底断供!英伟达临时CEO对外宣布:将停止向中国出货H200芯片

彻底断供!英伟达临时CEO对外宣布:将停止向中国出货H200芯片

影孖看世界
2026-11-18 23:46:42
纳斯达克给科兴控股发了退市决定函,科兴疫苗再度被热议,当年打完三针的人该怎么理性看待这件事

纳斯达克给科兴控股发了退市决定函,科兴疫苗再度被热议,当年打完三针的人该怎么理性看待这件事

磊子讲史
2026-10-24 15:31:41
六台:皇马可能会接受1.5亿欧以上出售维尼修斯,枪手正在关注情况

六台:皇马可能会接受1.5亿欧以上出售维尼修斯,枪手正在关注情况

懂球帝
2026-11-18 22:54:05
当着全世界的面!日本给赖清德“当头一棒”,祖国统一众望所归

当着全世界的面!日本给赖清德“当头一棒”,祖国统一众望所归

阿器谈史
2026-10-18 16:00:56
“保不住香港,我们以死谢罪!”,解密惊心动魄的香港经济保卫战

“保不住香港,我们以死谢罪!”,解密惊心动魄的香港经济保卫战

文史道
2025-02-18 20:31:56
俄罗斯战略智库:从人类历史来看,中国是经验最丰富的超级大国

俄罗斯战略智库:从人类历史来看,中国是经验最丰富的超级大国

农夫史记
2026-11-16 19:32:51
比缅北凶险100倍!曾经的旅游胜地,如今黄赌毒俱全,乱象随处可见

比缅北凶险100倍!曾经的旅游胜地,如今黄赌毒俱全,乱象随处可见

琅琊财经
2026-07-31 22:02:18
广东3消息!徐杰王者归来,宏远官宣新援加盟,阿祖应该被裁

广东3消息!徐杰王者归来,宏远官宣新援加盟,阿祖应该被裁

多特体育说
2026-11-19 00:02:19
江西状元杨仁荣:北航毕业后9年不肯回家,母亲查出癌症才重新露面

江西状元杨仁荣:北航毕业后9年不肯回家,母亲查出癌症才重新露面

磊子讲史
2026-11-18 17:56:56
朋友面试谈薪报价2w,HR非得压到1.9,还反问他:你就差这1000块钱?后来背调时问了他前同事十几个问题,对方最后直接挂了

朋友面试谈薪报价2w,HR非得压到1.9,还反问他:你就差这1000块钱?后来背调时问了他前同事十几个问题,对方最后直接挂了

纯洁的微笑
2026-11-18 21:51:39
2026-11-19 03:08:49
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

本地
亲子
家居
时尚
数码

本地新闻

乌兰察布:以前种土豆,现在种Token

亲子要闻

宝宝气人但是聪明的4个行为

家居要闻

2026建博会(广州) 公装联探展交流活动

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

数码要闻

苹果公布2026古典乐年度专辑:任奫灿《哥德堡变奏曲》获奖

无障碍浏览 进入关怀版