几年前，一些领先的研究人员告诉我们，他们的目标是通用人工智能。由于渴望听到一个连贯的定义，我们天真地问“你如何定义 AGI？”。他们停了下来，试探性地互相看了一眼，然后提出了后来成为人工智能领域口头禅的一句话：“好吧，我们每个人都有自己的定义，但当我们看到它时我们就会知道。”

这个小插曲代表了我们对 AGI 具体定义的追求。事实证明它是难以捉摸的。

虽然定义难以捉摸，但现实并非如此。AGI 现在就在这里。

编码剂是第一个例子。还有更多的事情正在路上。

长期智能体在功能上属于 AGI，2026 年将是他们的一年。

幸福地不受细节的束缚

在我们进一步讨论之前，值得承认的是，我们没有道德权威来提出 AGI 的技术定义。 

我们是投资者。我们研究市场、创始人及其碰撞：企业。

鉴于此，我们的定义是功能性定义，而不是技术性定义。新技术能力引出了唐·瓦伦丁的问题：那又怎样？ 

答案在于现实世界的影响。 

AGI 的功能定义

AGI 是解决问题的能力。就是这样。*

*我们理解这样一个不精确的定义不会解决任何哲学争论。务实地说，如果你想完成某件事，你想要什么？一个可以解决问题的人工智能。人们更关心它是如何发生的，而不是它发生的事实。

一个能够解决问题的人拥有一些基础知识、对这些知识进行推理的能力以及迭代寻找答案的能力。 

能够解决问题的人工智能拥有一些基线知识（预训练）、根据这些知识进行推理的能力（推理时间计算）以及迭代得出答案的能力（长视野代理）。

第一个要素（知识/预训练）推动了 2022 年最初的 ChatGPT 时刻。第二个要素（推理/推理时间计算）随着 2024 年末 o1 的发布而出现。第三个要素（迭代/长视野代理）在过去几周出现，克劳德代码和其他编码代理跨越了能力阈值。

一般来说，聪明的人可以一次自主工作几个小时，犯下并纠正错误，并在没有被告知的情况下弄清楚下一步该做什么。一般来说，智能代理可以做同样的事情。这是新的。 

弄清楚事情意味着什么？

一位创始人向他的经纪人发送消息： – 我需要一位开发者关系主管。某人的技术足以赢得高级工程师的尊重，但实际上喜欢在 Twitter 上。我们向平台团队销售。走吧。 –

代理从显而易见的地方开始：LinkedIn 在竞争公司中搜索“Developer Advocate”和“DevRel”——Datadog、Temporal、Langchain。它找到数百个配置文件。但职位名称并不能揭示谁真正擅长于此。

它的重点是通过凭证发出信号。它会在 YouTube 上搜索会议演讲。它会找到 50 多名演讲者，然后筛选出参与度较高的演讲者。

它将这些发言人与 Twitter 进行交叉引用。一半的人拥有不活跃的帐户或只是转发雇主的博客帖子。不是我们想要的。但其中有十几个拥有真正的追随者——他们发布真实的意见、回复人们并获得开发者的参与。他们的帖子很有品味。 

代理人的范围进一步缩小。它会检查谁在过去三个月内发帖频率较低。活动减少有时表明他们脱离了当前的角色。三个名字浮出水面。

它研究了这三个。其中一个刚刚宣布了一个新角色——为时已晚。其中一位是一家刚刚筹集资金但没有离开的公司的创始人。第三位是一家 D 轮公司的高级 DevRel，该公司刚刚进行了营销方面的裁员。她的最后一次演讲正是关于初创公司目标的平台工程领域。她在 Twitter 上拥有 14,000 名粉丝，并发布了与实际工程师互动的表情包。她已经两个月没有更新 LinkedIn 了。

该代理人起草了一封电子邮件，确认她最近的谈话、与初创公司 ICP 的重叠，以及关于较小团队提供的创意自由的具体说明。它建议进行随意的交谈，而不是推销。

总时间：31分钟。创始人在招聘网站上列出了一份候选名单，而不是 JD。

这就是把事情弄清楚的意思。克服模糊性来实现目标——形成假设，测试它们，进入死胡同，然后不断调整，直到有结果为止。特工没有遵循剧本。它与优秀招聘人员在头脑中运行的循环相同，只是它在 31 分钟内不知疲倦地完成了这件事，而且没有被告知如何做。

需要明确的是：代理仍然失败。他们产生幻觉，失去背景，有时甚至自信地走上错误的道路。但发展轨迹是明确无误的，而且失败也越来越容易解决。

我们是如何到达这里的？从推理模型到长期智能体

在去年的文章中，我们写道关于推理模型作为人工智能最重要的新领域。长视野代理通过允许模型采取行动并随着时间的推移进行迭代，进一步推动了这一范式。

哄骗模型思考更长时间并非易事。基本推理模型可以思考几秒钟或几分钟。

两种不同的技术方法似乎都有效且可扩展性良好：强化学习和代理利用。前一种方法通过在训练过程中戳戳和刺激模型保持注意力，从本质上教会模型保持在正轨上的时间更长。后者围绕模型的已知局限性（内存切换、压缩等）设计了特定的脚手架。 

扩展强化学习是研究实验室的领域。从多代理系统到可靠的工具使用，他们在这方面取得了非凡的进展。 

设计出色的代理工具是应用程序层的领域。当今市场上一些最受欢迎的产品以其精心设计的特工安全带而闻名：Manus、Claude Code、Factory’s Droids 等。

如果有一条指数曲线值得押注，那就是长视野智能体的表现。METR一直精心追踪人工智能完成长期任务的能力。进展速度呈指数级增长，每约 7 个月翻一番。如果我们追踪指数，智能体应该能够可靠地工作，以完成到 2028 年需要人类专家一整天、到 2034 年需要一整年、到 2037 年需要整整一个世纪的任务。 

那又怎样？

很快您就可以聘请代理人了。这是 AGI 的试金石（h/t：SarahGuo）。

您现在就可以“雇用”GPT-5.2 或 Claude、Grok 或 Gemini。更多示例即将推出：

• 医学：OpenEvidence 的 Deep Consult 发挥专家的作用
• 法律：哈维的代理人作为合伙人
• 网络安全：XBOW 充当渗透测试仪
• DevOps：Traversal 代理充当 SRE
• GTM：日间 AI 充当 BDR、SE 和 Rev Ops 领导者
• 招聘：Juicebox 充当招聘人员
• 数学：Harmonic 的亚里士多德充当数学家 
• 半导体设计：Ricursive 的代理商充当芯片设计师 
• AI 研究员：GPT-5.2 和 Claude 充当 AI 研究人员 

从空谈家到实干家：对创始人的启示

这对创始人有着深远的影响。 

2023 年和 2024 年的人工智能应用是谈话者。有些人是非常老练的健谈者！但他们的影响是有限的。

2026年和2027年的人工智能应用将是实干家。他们会感觉像同事。使用将从每天几次变为每天全天，多个实例并行运行。用户不会在这里或那里节省几个小时 - 他们将从 IC 工作转变为管理代理团队。 

还记得所有关于出售工作的言论吗？现在这是可能的。 

你能完成什么工作？长视野智能体的功能与模型的单个前向传递有很大不同。长期代理在您的域中解锁了哪些新功能？哪些任务需要坚持，而持续注意力是瓶颈？

你将如何将这项工作产品化？ 随着工作 UI 从聊天机器人发展到代理委托，您的应用程序界面将如何在您的领域中发展？

你能可靠地完成这项工作吗？您是否正在着迷地改善您的特工装备？你有强大的反馈循环吗？

你怎么能卖掉那件作品？ 您能否根据价值和结果进行定价和包装？

鞍上！

是时候让长期代理呈指数增长了。

如今，您的代理可能可以可靠工作大约 30 分钟。但他们很快就能完成一天的工作，并最终完成一个世纪的工作。

当你的计划以几个世纪来衡量时，你能实现什么？一个世纪就是 200,000 项没有人交叉引用的临床试验。一个世纪以来，每一个提交的客户支持请求最终都被挖掘出来以获取信号。一个世纪是整个美国税法的一个世纪，为了一致性而进行了重构。

您的路线图的雄心勃勃的版本刚刚成为现实的版本。

感谢 Dan Roberts、Harrison Chase、Noam Brown、Sholto Douglas、Isa Fulford、Ben Mann、Nick Turley、Phil Duan、Michelle Bailhe 和 Romie Boyd 审阅本文草稿。