AGI只差最后一步了

从“太危险”到上线：Anthropic给Mythos加上了安全锁

昨天晚上，Anthropic终于正式上线了此前因“过于强大、担心被滥用”而拒绝公开的Mythos模型。这个模型曾被内部称为“太危险不能公开”，如今之所以敢放出来，是因为团队给它附加了一层安全分类器。这意味着AGI在迈向通用能力的路上，安全护栏的重要性已经上升到“最后一公里”的核心环节——一个能解国际数学奥赛题的系统，同样需要被严格约束在可控范围内。Anthropic的举动表明：AGI的最终形态不能只堆砌能力，还必须嵌入可靠的安全机制。

DeepMind CEO：AGI拼图只差最后几块，但大模型还在犯低级错误

Google DeepMind CEO直言AGI“已在正确路上”，但缺“最后一两块拼图”。他明确指出当前大模型存在一个诡异的短板：同一个模型能解国际数学奥林匹克金牌级别的难题，换个问法却在小学数学题上栽跟头。更致命的是，模型“不知道自己错了，也不知道怎么推翻或纠正自己”——做错就一路错下去，或者换个方向再撞一次，像新手棋手反复掉进同一个陷阱。这暴露出大规模预训练、RLHF和思维链等技术虽然搭建了基础框架，但在可靠推理和错误修正上仍远远不够。AGI的“最后一块拼图”，正是让系统学会自我质疑与动态纠正。

我们已走到AGI 2.5：持续学习才是最后那道坎

一个新的研究框架给出明确判断：AGI之路已经走完一半，现在正处于从第二阶段“推理者”向第三阶段“智能体”过渡的中间态，即AGI 2.5。剩下的过程“主要需要正常的研究和工程”，但最大的挑战是持续学习——模型必须能在与真实世界交互中不断更新知识，而不只是靠静态数据集死记硬背。引用达里奥·阿莫代伊的观点，这个问题的解决将决定AGI能否从“实验室玩具”变成真正的自主系统。2.5阶段的定位说明：我们已经跨过了基础推理门槛，但距离能自主规划、执行并自我迭代的智能体，还有一段关键的工程化路程。

颠覆认知：AGI的秘密不在更大模型，而在推理之网

一篇最新论文的核心结论彻底改变了人们对AGI路径的传统认知：AGI不会来自更大的模式之海，而是来自如何组织这些模式以形成可靠推理的“网、诱饵、过滤器和记忆机制”。换句话说，未来突破点并非无上限扩大模型参数量，而是设计一套架构——让模型能够从海量信号中筛选有效信息、过滤噪声、建立逻辑链条，并在长程任务中保留关键记忆。这就像用记事本写了一百万字的笔记，如果不分类、不打标签、不建立索引，那本笔记毫无用处。AGI的“最后一两步”正是把混乱的知识模块，编织成一个能主动推理、自我校验的智能网络。