2026：这就是AGI
内容提要
本文指出通用人工智能（AGI）已实际到来，以长时程智能体为代表，它们能自主推理、迭代并完成复杂任务，如招聘或编程。2026年将是其关键年，性能呈指数增长，预计未来可完成需人类专家数天至数年的工作。对创业者而言，AI应用将从“对话者”变为“执行者”，需关注如何产品化并销售这些智能体完成的工作。
延伸解读
功能定义：AGI 的实用主义视角
文章明确回避了哲学层面的 AGI 定义，转而提出一个功能性的标准：“能自己把事情搞清楚”。这包括三个要素：预训练知识、推理时计算和长时程智能体的迭代能力。对读者而言，这意味着判断 AI 是否接近 AGI，不应纠结于理论，而应看它能否在真实任务中自主导航、试错并达成目标。
长时程智能体的能力跃迁
文章以招聘为例，展示了智能体如何自主完成从搜索、筛选到联系候选人的完整流程，耗时仅 31 分钟。这标志着 AI 从“对话者”向“执行者”的转变。尽管智能体仍会犯错，但其能力正以指数级增长（每 7 个月翻倍），预计到 2028 年可完成人类专家一天的工作量。
创业者的新挑战：从产品到销售
对创业者而言，AI 应用的核心不再是对话交互，而是如何将智能体完成的工作产品化并销售。文章提出一系列关键问题：哪些任务需要持久注意力？如何优化智能体的“agent harness”？如何按价值定价？这要求创业者从“构建聊天机器人”转向“构建并销售数字员工”。
Q&A
什么是AGI？
根据文章，AGI（通用人工智能）是一种能够自主推理、迭代并完成复杂任务的能力，即“能够把事情弄清楚”。它具备三个要素：预训练知识、推理能力和长时程迭代能力。
为什么说2026年是AGI的关键年？
因为长时程智能体（如Claude Code）在最近几周跨越了能力门槛，它们能自主工作数小时，不断试错并调整策略。这些智能体在功能上等同于AGI，而2026年将是它们大规模应用的一年。
长时程智能体有哪些实际应用案例？
文章提到多个领域的应用：OpenEvidence的Deep Consult作为医学专家，Harvey的代理作为律师助理，XBOW作为渗透测试员，Traversal的代理作为SRE，Day AI作为BDR/SE/RevOps负责人，Juicebox作为招聘人员，Harmonic的Aristotle作为数学家，Ricursive的代理作为芯片设计师，以及GPT-5.2和Claude作为AI研究员。
长时程智能体的性能提升速度有多快？
根据METR的追踪，长时程智能体的性能呈指数增长，大约每7个月翻一番。预计到2028年能完成需要人类专家一天的任务，到2034年能完成一年的任务，到2037年能完成一个世纪的任务。
长时程智能体是如何实现长时间自主工作的？
主要通过两种技术方法：强化学习和智能体框架。强化学习在训练过程中让模型保持更长时间的专注；智能体框架则设计特定的脚手架来弥补模型的已知局限，如记忆交接和压缩。
长时程智能体对创业者有什么启示？
创业者应关注如何将AI应用从“对话者”转变为“执行者”，思考如何将智能体完成的工作产品化并销售。需要关注智能体的可靠性、反馈循环，以及如何按价值和结果定价。
长时程智能体目前存在哪些局限性？
它们仍然会失败，可能产生幻觉、丢失上下文，有时会自信地走向错误方向。但这些问题正在被逐步修复，整体趋势是向好的。
