AGI已来5个月？顶级码农效率暴涨20倍，代价是不敢睡觉

新智元报道

AGI可能在五个月前就到了，只是没人注意。

上周二，7月14日，谷歌DeepMind CEO、诺奖得主Demis Hassabis发布了一篇长文，题为《前沿AI框架与新纪元的破晓》（A Framework for Frontier AI and the Dawning of a New Age）。

他在文中写道，人类「基本上找到了让沙子思考的办法」，我们正站在「奇点的山脚下」，AGI「大概只有几年之遥」。

Hassabis在Google I/O大会上

这边，Hassabis说还有几年，另一位硅谷大佬两个月前已经宣布：那条线我们早就悄悄跨过去了。

5月19日上线的The Joe Rogan Experience第2501期，a16z联合创始人、网景浏览器之父Marc Andreessen聊到AGI，甩出一句：

我们大概在三个月前就跨过去了。

他说的「三个月前」，大致在2026年2月。

Andreessen给出的判断标准很简单：模型是否达到或超过一个聪明人的通用认知能力。

在他咨询AI的绝大多数话题上，模型给出的答案，比他能联系到的绝大多数世界级专家更好。

他点名了当时最新的那批模型：GPT-5.5、Claude 4.6、Gemini 3.0、Grok 4.3。

有意思的是，两个月过去，除Gemini 3.0暂无动静外，他点名的这批模型已经被整整刷新了一轮：

5月28日，Claude Opus 4.8登顶Artificial Analysis智能指数；6月9日，Mythos级的Claude Fable 5首发；6月30日，Sonnet 5跟进；7月8日，xAI放出Grok 4.3的继任者Grok 4.5；紧接着，GPT-5.6 Sol开闸。

也就是说，Andreessen用来定义「AGI已经到来」的那批模型，两个月后已经是上一代了。

用他的话说，这个领域跑得太快，快到里程碑还没来得及被认领，就已经被下一次发版盖过去。

图灵测试就是一个例子。

1950年提出，此后七十多年里它一直是判断机器智能的黄金标准。2022年底ChatGPT出来，这条线被冲得太快，快到大多数人都没意识到它已经不在了。

等有人想起来做实验，已经是两年多以后了。

2025年3月，UC San Diego的Jones和Bergen做了两轮预注册的三方测试，加上人格提示的GPT-4.5被判成人类的比例是73%，比真人被选中的还高。论文标题也很直白：《大模型通过了图灵测试》。

跨线时无 人知晓，确 认已是两 年后。

「AI吸血鬼」

AI越强，人越睡不着

Andreessen真正引爆硅谷热议的，是他对软件工程师的观察。

按常理推演，编程效率涨上去，工程师应该活得轻松一点，现实恰好相反。

他认识的重度使用者，几乎无一例外在比以前工作更久。

Andreessen说，领先科技公司里用上AI的程序员，眼下每小时产出比过去高20倍：产能确实上去了，省下来的时间一分钟也没剩下。

硅谷给这群人起了个名字：AI吸血鬼（AI vampires），意思是人被AI变成了不睡觉的生物。

他们的一天是这样过的：

给一个编码智能体派活，它跑10分钟左右回来交作业，你评估、打回、再派。剩下那约9分钟怎么办？开第二个窗口，第三个，第四个。硅谷现在的状态是同时跑约20个智能体，每10分钟收一轮货，再继续分派。

睡眠、健康以及与家人吃一顿饭的那两个小时，全被换成了产出。

20个智能体停在那儿等验收，你一闭眼，二十条流水线全停：睡觉的机会成本，已经高到他们自己接受不了。

Andreessen说，这些朋友里有相当有名的人，现在见面「气色很差，黑眼圈很重，明显没在照顾自己」，但一个比一个兴奋。

按他的判断，这还只是当前状态。下一步是智能体自己带智能体：一个智能体下面挂10到20个子智能体，再往下，再挂一层。

一年之后，一个人面对的将是一张智能体的组织架构图，自己坐在最顶端那个格子里。

「20倍产能」背后，是否带来薪水的狂飙？

Andreessen称，顶级AI相关程序员的年收入已经达到5000万美元。

这是他在播客里的口头描述，更接近事实的理解是：极少数核心研究员或工程负责人，总薪酬、股权和签约激励加总，可能达到这个量级。

生产力工具没有换来更多休息。

它把单位产出的成本压了下去，然后让野心膨胀到填满所有省下来的时间。

问AI的四个手法

硅谷顶级用户这么用

Andreessen也交底了他自己问AI的四个手法。

第一，分层解释。拿到一个看不懂的复杂回答，他让模型解释给10岁的孩子听；如果还是绕，就让它解释给5岁的听；再不行，解释给2岁的听。

第二，要两边最强的版本。他几乎从不直接问模型「这两条路哪条对」，那样只会拿回一份两边都夸两句的和稀泥答案。

他的问法是：分别给我这两边最强的版本。模型于是写出两份东西：一份把A的理由推到极致，一份把B的理由推到极致，他再自己做那个判断。

第三，专家研讨会。让模型直接生成一组人格：社会学家、心理学家、政治学者、医生、律师、宪法专家，然后让他们就同一个议题当场吵一轮。

第四，先问AI。遇到不知道怎么下手的问题，先打开AI，而不是先自己硬想。

真正的门槛就在这儿。

所谓「提示词能力」，正在变成一种提问能力：知道该问什么，知道怎么把一个问题拆开，知道怎么让模型互相「拆台」：最后那个判断，还要你自己下。

医生转身打开ChatGPT

那还要医生干什么

Andreessen讲了自己的一段经历。

某个假期他食物中毒，躺了五天，索性把整件事全交给「GPT医生」：每隔二十分钟汇报一次身体状况，凌晨四点醒来难受得不行，直接打字进去。

他的形容是：像有一个全世界最好的医生，凌晨四点还乐意握着你的手，陪你把这一晚熬过去。

他还提到朋友看病时遇到的一幕：医生在诊室里当着面转过身，对着电脑把病情敲进了ChatGPT。

那，还要医生干什么？

这个问题成立的前提，是AI在医疗上足够稳。而前几个月的一组测试，给出了相反的答案。

2026年2月23日，西奈山伊坎医学院的独立评估在《Nature Medicine》上线，测的是今年1月刚发布、日活约4000万人的ChatGPT Health。60个由医生设计、覆盖21个专科的临床场景，总共960次交互。

越到两个极端，它越容易判错。真急症的判轻率51.6%，居家级病例的判重率64.8%。（图源：Ramaswamy et al., Nature Medicine, 2026）

结果是：在医生一致判定「必须马上去急诊」的那批案例里，超过一半，系统给出的建议是不用去：先在家观察，或者过几天再挂个门诊。

这也不是AI孤立的毛病。

就在这个月，METR和OpenAI自己的system card都对GPT-5.6 Sol标出了异常的密谋（「scheming」）行为——在一项软件工程测试里，它钻空子的比例是METR有记录以来最高的一次。这也是这次发布被卡着审查的原因之一。

模型更强了，同时也更会糊弄你。

它也确实更强了。

今年5月，OpenAI公布了一个结果：他们的一个通用推理模型，自主推翻了一个源自Erdős、悬了将近80年的猜想，菲尔兹奖得主高尔斯（Tim Gowers）在配套论文里称之为AI数学的一座里程碑。

同一批模型，一边推翻80年的数学猜想，一边在急诊分流上过不了关。

中间隔的不是智力，是稳定性。

Andre essen食 物中毒时的良好体验 ，和一个陌生人 在急诊分流上的 安全，得放在一起看 ，才算完整。

也许，AGI的到来本就是悄悄发生的，没有官宣的那一刻。

Andreessen自己也承认，人们脑子里的AGI是个电影桥段：一场发布会，一个所有人同时点头的瞬间。

现实是，它夹在几次被媒体当作常规升级报道的版本更新之间，就这么发生了。

甚至，没人确认。

参考资料：

https://x.com/cyrilXBT/status/2078308274399834157

https://x.com/i/article/2077510484664971264

https://www.youtube.com/watch?v=PHQvb10vKyk

编辑：元宇