作者回顾了与朋友的交流，探讨了AI助手的现状与未来。他指出“龙虾”现象反映了人们对通用智能助理的高期望，强调AI的主动性、可塑性和自然语言交互的重要性，使其更像人而非简单工具。

微软与清华提出BiPS模型，通过训练阶段教会模型关注关键视觉细节，解决视觉-语言模型在推理中的错误。BiPS利用“拉”和“推”机制，提升视觉理解能力，使模型在复杂任务中更准确地识别信息，推动通用智能的发展。

SIMA 2在多样化游戏环境中展示了通用智能的潜力，尽管面临长任务和记忆限制的挑战，为行动导向AI开辟了新路径，并为未来的机器人应用奠定了基础。

思考机器实验室成功融资20亿美元，估值达120亿美元，成为硅谷最大种子轮之一。创始团队多来自OpenAI，旨在推动通用智能。同时，英伟达宣布恢复H20在中国的销售，市值一夜暴涨1600亿美元。

L-Zero通过可验证奖励的强化学习（RLVR）实现了模型的自主进化，增强了探索、验证和记忆能力。研究团队构建了端到端的智能体训练系统L0，并提出了结构化智能体框架NB-Agent，显著提升了模型在多项基准测试中的表现，展示了向更高级通用智能发展的潜力。

下一代人工智能代理需要整合多领域能力，以实现人工通用智能。目前的代理在特定领域有效，但缺乏跨领域能力。研究表明，结合文本、视觉和机器人等专业系统的优势，对于实现具有人类智慧特征的通用人工智能至关重要。

本研究提出了一种新框架，使人工智能模型通过与环境互动自主生成和验证新知识，克服大型语言模型受限于人类训练数据的问题，强调经验验证的重要性，推动人工智能向自主通用智能发展。

人工超智能（ASI）超越人类在创造力和决策上的能力。目前人工智能主要是狭义智能（ANI），未来可能发展到通用智能（AGI）和超智能（ASI）。实现ASI面临计算能力、伦理和意识等挑战。乐观者认为2045年可能实现，悲观者则认为可能永远无法实现。ASI可能带来技术进步或风险，因此需要重视AI对人类价值的对齐和全球合作。

游戏是AI研究的重点，但尚未实现通用智能。需要解决游戏规则的不确定性，以推动AGI发展和智能机器建设。