Sora之死，LLM与AGI路径

Sora APP下架了，还有开发者API、ChatGPT内支持视频功能，以及与迪士尼的10亿美元合资计划，统统下架了。许多人没有想到，这一款几乎与ChatGPT和o1齐名的视频生成模型，这么快就被OpenAI宣判了死刑。

当初Sora发布，逼真效果何等惊艳，在网络上产生了大量宣泄好奇和情绪的视频，人们以为其前景足以颠覆好莱坞。AI视频又是吞噬token的黑洞，人们对于token经济、对于算力基础设施、对于GPU芯片的增长预测，相当一部分建立在AI视频的基础之上。

Sora财务与战略的双重溃败

Sora之死，并非源于技术上的主动放弃，而是财务崩溃后的被动收缩。2025年9月底，Sora推出独立App，在各大应用商店几天内名列榜首，下载量峰值达330万次，但到2026年2月已骤降至110万。更致命的是：应用内购收入仅为210万美元，而OpenAI每天在AI视频生成上的支出高达1500万美元，潜在年度耗资超过50亿美元。Sora负责人Bill Peebles曾公开承认，Sora的经济模型目前完全不可持续。

三重死穴使视频模型的独立商业化几乎无路可走：其一，算力消耗极大，短期内难以克服；其二，深度造假（Deepfake）带来重大安全与法律风险，各国政府严格监管，中国已出台AI视频标注与生成授权的专项措施；其三，训练数据版权问题悬而未决，字节跳动的Seedance 2.0也因此暂停全球发布。就在Sora宣布下架的前一天，OpenAI还在发布视频内容安全措施，某种程度上也是一种无奈的交代。

目前真正引领AI视频赛道的，已是谷歌的Veo 3和字节的Seedance 2.0，争夺消费视频之王；视频功能主流形态是集成进多模态模型——Veo在Gemini里，Seedance在豆包里，万相在千问里。AI视频的独立产品化实验，以Sora的失败宣告阶段性终结。

OpenAI CEO奥特曼（Sam Altman）向员工表示，结束Sora将释放资源用于下一代AI模型。OpenAI的战略意图已非常清晰：用Codex应用与ChatGPT、浏览器合力打造桌面超级应用，将重心重新集中于企业与开发者客户——而Anthropic已在这一领域取得相当大的先机。

OpenAI在重归语言模型吗

Sora的失败，表面看来是OpenAI正在回到它所赖以起家的大语言模型（LLM）。它用语言模型开辟了AGI之路，但是真正坚持语言模型并且可能已经打通这条路径的，是Anthropic，其创业团队正是OpenAI的一群叛将。

但是在去年底，AI圈内一度弥漫着对于LLM的批判，并且掀起了一股世界模型（World Model）的热潮。图灵奖获得者杨立昆（Yann LeCun）持续多年认为，LLM只是基于文本这一单一知识形式，让我们误以为它们是智能的，实则对现实的理解极为肤浅，并将LLM定性为通向人类级智能道路上的出口匝道、一个分心之物、一条死路。他的论据不无道理：LLM虽能通过律师考试、求解方程，但我们至今没有一个能与猫媲美的家用机器人，语言只是思想的序列化版本，是一个相对低维、离散的空间。

杨立昆于2025年底离开Meta，创立AMI Labs，专注于世界模型研究，其公司融资估值已达30亿欧元。他在英伟达GTC演讲中明确表示：仅仅扩大规模无法让我们达到AGI。

然而，杨立昆的批评存在一个关键盲点：他的靶子是静态的、封闭的、纯文本预测的LLM，而不是嵌入在行动—感知—反馈循环中的智能体化LLM。两者在本质上已是截然不同的系统。Sora的失败，恰恰证明了多模态扩展并不是解题的钥匙；而编码智能体的崛起，正在以另一种方式回应他的挑战。

Anthropic：编码是LLM走向AGI的符号世界具身性

Anthropic一直坚持语言模型路线，自己不玩图像视频，可以调用其他应用或技能来完成。Claude Code还用命令行（CLI）复古了。外界曾视此为保守，如今看来是洞见。

在SWE-bench Verified（真实GitHub软件工程问题评测）上，Claude Opus 4.5得分达80.9%，超越GPT-5.1和Gemini 3 Pro。但这不只是一个工程成就，背后有更深刻的认知逻辑：

代码是一种有接地真相（ground truth）反馈的形式化世界——编译器不会撒谎，测试通过或失败，提供明确的现实反馈，调试过程要求模型经历感知-行动-观察-修正的完整循环。这恰好部分回应了杨立昆的核心指控——LLM没有感知反馈、缺乏物理世界锚点。编码智能体通过工具使用和代码执行，在符号世界中获得了一种具身性。

Claude Opus 4.5还展示了一个更引人注目的特性：能自主精炼自身能力——在4次迭代中达到峰值性能，而其他模型经过10次迭代也无法达到同等质量，并展示出跨任务经验学习的能力，能储存洞察并在之后应用。这不是单纯的扩展，而是在架构不变的前提下，通过智能体框架涌现出的新能力。

数据印证了这条曲线的加速性：AI自主任务的执行时间视野每4至7个月翻一倍（2024-2025年已加速至约4个月）——30分钟时能自动补全代码片段，4.8小时可重构整个模块，多天任务则可自动化完整审计。这是一个完全不同于纯文本扩展律的能力涌现曲线。

OpenAI的醒悟与重组

OpenAI也醒悟过来——编码正是通向认知领域AGI的路径。Codex的发布逻辑已说明一切：所有事物都由代码控制，智能体在推理和生成代码方面越出色，它在所有形式的技术和知识型工作中就越有能力。

沃顿商学院研究AI与创新的莫立克（Ethan Mollick）教授观察到三种路线的分野：Anthropic专注于语言模型；OpenAI不停地尝试又抛弃各种概念；谷歌则应有尽有。他不知哪个终局最好。但现实的回答已经清晰——目前GPT、xAI和中国的开源模型，都在学习Anthropic，加重编码、智能体与企业服务的分量。Codex与Claude Code之间的竞争，已成为当下AI竞赛最核心的战场。

在Sora下架前，OpenAI已推出Codex应用，并预训练好了下一个模型Spud，将于数周内发布。OpenAI的领导层分工也做了调整：Fidji Simo的头衔，已从负责应用的CEO，调整为负责AGI部署的CEO。对齐与安全团队将不再向奥特曼汇报。这一切似乎意味着，OpenAI认为它已在技术上实现了AGI，其标志将是Spud模型——即在认知领域创造经济价值已达到人类水平。其下一个目标，将是在物理世界实现AI。因为Sora而一举成名的Bill Peebles，也将带领他的团队，转向机器人项目。

当下的核心挑战，已从智能体能做什么，转变为人们如何以更大规模指挥、监督它们并与其协作。英伟达的Rubin CPX、Groq 3推理芯片系统，重要部分原本是为了视频生成而设计，OpenAI砍掉视频项目，可能也会影响其未来算力基础设施的规模预期。

重新认识LLM与AGI路径

Sora的下架与编码智能体的崛起，共同指向了一个更清晰的理论图景：

杨立昆正确的部分是——纯自回归文本预测无法通向物理世界的通用智能，Sora的失败也是多模态暴力扩展路径的一次市场检验。

Anthropic押注正确的部分是——LLM不应被视为封闭系统，而应视为认知基底（cognitive substrate）。当它被嵌入工具使用、记忆管理、多智能体协作、代码执行的基础设施中，语言模型的涌现能力会突破杨立昆所指的那些天花板。不是因为改变了架构，而是因为改变了信息流的结构。

这背后有一个激进的技术哲学主张：代码，作为人类认知最形式化、最可验证的表达形式，是LLM突破感知边界的桥头堡。一个能自主编写、测试、调试、优化工具的AI，实际上正在以某种方式理解因果关系——哪怕这种理解发生在符号空间而非物理空间。在AGI导向的圈子里，有一个长期假设正在被印证：拥有最好的编码模型将让你最快抵达AGI——前提是接受实现AI想法的能力是进步瓶颈这一判断。

AI视频颠覆好莱坞的喧嚣，可以暂时休矣。Hugging Face创始人克莱门特认为，这么抛弃掉太可惜，还不如开源出去，也是对AI视频社区的贡献。许多人则认为Sora的谢幕是一件好事——它耗费了巨大资源，却主要做出了一个深度造假的利器，带来的社会影响总体是负面大于正面的。

这也给所有AI科技公司留下了一个根本性的追问：是不是用AI所做的一切，只要是惊艳的、SOTA的，就一定是有价值的、有益处的？