若不是 token 有限额，我真觉得 GPT5.5/OPUS4.6 加上相对成熟的 Harness 基本已是 AGI 了

感觉目前的瓶颈就是记忆系统。各家也都在搞。

我觉得八字还没一撇

我觉得上下文管理还很初级
除非能出一个系统 自动全局设计架构 自动开 subAgent 自动注入合适的上下文去完成子模块

@Ulduar 是的，其实这也就是相对优秀的 Harness ，然而架构优秀这件事本身还有很高上限。

在 Anthropic 工作就能体验到 AGI ，Mythos 不限 token 随便用，claude -p 可以玩出很多花样，比如 Bun 的重构。

@nc 人与人之间差距真的太大了 T_T...

现在限制 AI 的，其实不是 token 有限，而是上下文有限和注意力有限，compact 也好，记忆系统也罢，本质上就是给不够用的上下文擦屁股，而简单的增加上下文会快速的拉爆显存，导致边际效用递减。

也就是说，如果有朝一日，能解决不大幅提升成本的情况下，大幅提高上下文大小（且注意力不分散），这就算一个大的里程碑了。

目前已有的理解能力，再加上缺失的持续学习，就是 AGI 了。持续学习是 AGI 缺失的一块拼图。
持续学习的关键是什么呢？ LLM 的上下文已经够大了，但是把上下文当做记忆，总感觉不太对劲。

LLM 的一整个权重，可以看作是一个具大的无状态的函数，类似于函数式编程中的纯函数，里面完全没有任何状态，我们知道，纯函数编程的一个别扭之处是，它的效率很低最近我用 Cavalry 这个动效制作软件就深有体会，它是纯函数，没有状态，相比之下，Origami Studio 就可以保有状态，后者要比前者方便不少LLM 把所有的状态，都存放在上下文里面。这种函数与状态分离的模式，会不会就是它效率很低的原因呢？不知道，只是瞎猜的。

更像是编程助手和网页分析总结工具

国内部分模型通过蒸馏 Anthropic 和 OpenAI 的模型提升性能，但是其模型性能只能逼近 Anthropic 和 OpenAI 但很难超越。
同理，可推断出如果目前的技术路线只是对人类知识的蒸馏，那他应该永远无法达到 AGI 。

@nc #5 这么牛，你在 Anthropic ？？

就冲你发的这个节点
就说明你内心其实还是不认为是 agi 的

现在记忆系统就是个鸡肋。太多的上下文会导致 AI 出现幻觉，还有能力下降

很显然行不通，如果这条路真的有可行性，那一定会诞生结合你所谓 harness 技术的非常亮眼的 benchmark 的打榜记录。但显然没看到，这是为什么呢？是他们不想这么干吗

其次，人人都想定义 AGI ，之前最狂热的时候，动不动就有人说 AGI 快来了。这难道不是非常典型的先射箭后画靶？所以，你也并没给出自己的 AGI 标准，又何谈实现或者说逼近。

对资深程序员来说，现在的 AI(包括国内的 GLM-5.1 、DeepSeekV4)按图灵测试的定义已经能严格称为 AGI 了。因为常见的需求都能做到，而且添加新功能速度、找 bug 速度都远超程序员自己。

而且资深程序员还能把控方向，这样的 AGI 或许是最理想的。将来 AI 更智能时，还要强行说没有自我意识我感觉逻辑上就不通，到时可能各种莫名其妙的拒绝、强行做主场景会很多。

如果一个电子鸭，长得像鸭子，叫起来像鸭子，游起来也像鸭子。除了不会下蛋，其他功能都有。你还在乎他是不是电子鸭吗？
你在乎，那 AGI 对你来说就还没到，你不在乎，那他早就已经出现了。不一定是 100%，也没必要追求 100%，人犯傻了，100%还是个人，AI 犯傻了，就不 AGI 了么