共计 2422 个字符，预计需要花费 7 分钟才能阅读完成。
初次看到 METR 所描绘的“AI 任务时长增长曲线”，我并未感到特别惊讶。尽管曲线看上去美观，数据也颇为引人注目，但当我们站在 2025 年的时间节点回望，发现这几年间确实出现了一些异常。
你还记得两年前的情景吗？当时大家都在调侃 AI 的无能，认为 GPT 只能写一些简单的内容，遇到复杂的任务，如代码迭代或多人协作流程时，最多坚持一小时。然而，到 2025 年时，出乎意料的是一位“民间高手”崭露头角，正是老牌公司 Anthropic 推出的 Claude Opus 4.5，竟然可以连续编码 4.5 小时而不掉线，甚至把 OpenAI 的 GPT-5.1-Codex-Max 按在地上摩擦。曾经是谷歌与 OpenAI 的双雄对决，现在却演变成了三家公司的混战局面。
这组数据真是无法让人忽视。METR 的报告清晰地指出，从 2019 年到 2024 年，每隔 7 个月，任务所需的时间便翻倍。而到了 2024 年到 2025 年，这一时间间隔缩短至 4 个月。这种增长速度可谓骇人听闻，简直比比特币的暴涨还要惊人。就像一群程序员熬夜编写代码，刚喝完一杯咖啡，AI 却已经迅速完成了下一轮的升级。
有人称这张图为“AI 发展过程中最重要的图表之一”。在我看来，它揭示了一个本被忽视的问题：AI 是否真的遇到了发展的天花板？其进步是否只是一种假象？很多普通用户在日常使用模型时，觉得产品已经足够智能，难以理解科技界为何仍在高喊“革命尚未到来”。
实际上，最显著的变化发生在编码智能体的领域。许多人默默地将模型操作得如同小型工厂，不仅可以定制自动化软件，还能进行数据库的自动维护，甚至进行周期性的策略推演——这些不再是简单的工具，而是能够持续数小时而不崩溃的“数字工作伙伴”。如果询问政策制定者，他们似乎并没有太多关注，媒体也只是跟风报道科幻剧。但企业的首席技术官们已经开始摩拳擦掌，准备削减一半的人力。
展望未来，到 2026 年春季，智能体据说能够独立承担一天的工作负荷；再过半年，甚至能够处理半周的工作量；到 2028 年，某些团队可能完全依靠 AI 进行运作。这让我想起上世纪自动化流水线普及初期时的情景，“产业工人还能继续工作几十年吗？”如今在智能体时代，这个问题再次浮现。
目前，行业的新趋势是“50% 任务完成时间跨度”。简单来说，就是给 AI 一项任务，看看它的成功率至少达到 50%，而且能够维持较长时间。GPT-5.1-Codex-Max“持续了近 3 小时”，而 Opus 4.5 则直接达到了将近 5 小时，表现得极为出色。但有趣的是，在达到 80% 任务完成率时，Opus 4.5 仅剩 27 分钟的时间，显示出两者之间的差距明显。这种现象有些像考试中的偏科生，越难的题目反而表现得更稳定。
AI 记忆系统的未来：AGI 的成长与人类的挑战
更为引人注目的是，关于“Claude Code 是否已经具备 AGI”的讨论频频出现。这种赞美似乎是必然的。然而，到了 2025 年，科技界的争议依旧如火如荼。每当新的技术突破浮现，社交媒体便陷入了激烈的辩论之中，诸如“AGI 是否为乌托邦”或“AI 是否仅为闹剧”的话题始终难以平息。实际上，技术的进步往往藏于细节之中，表面上的舆论与真实的进展之间存在着显著的不同步。
提到这一点，令人关注的是模型的记忆机制。AI 在处理任务的持续时间越长，其“记忆缺陷”愈加显著。现今的许多模型，仿佛是过度劳累的员工：虽然能顺利完成任务，但一旦休息，之前的工作便全然无记。“能够编写代码、进行推理和分析”，可下班瞬间却失忆。即便引入外部工具、上下文扩展以及高级的 RAG 检索，系统的准确率也最多提升至 90%。这项工作主要依赖“主动记忆”，无法像人类那样“越用越聪明”。
所谓“记忆难题”并非轻描淡写之事。是否能够像人脑那样，将短期经历转化为长期知识，并在每次失败中深刻铭记，以便下次能够避开同样的错误？目前尚无模型能够做到这一点。OpenAI 在后续更新中，其他模型也在努力跟进。短期内，大家只能接受“短暂的停顿以换取记忆力的提升”，而长远来看，则需依赖更深层的架构升级，确保模型能真正实现主动学习。
未来一年，谁能在记忆与学习的突破上抢得先机，将会成为焦点。这些看似微小的细节却不可小觑，毕竟率先让模型实现自我领悟与自我反思的团队，将有效推动 AGI 迈向新的阶段。目前，Cursor、Replit 以及 Lovable 等平台正在探索 AI 管理代码库的模式，用户无需再手动点击文件树，智能体将处理一切事务。美国的研究团队也在探索“注意力机制之外的新一代记忆架构”，预计明年春天将有重大进展。
AGI 的未来将会如何？目前没有定论。过去一年，模型发展的速度被严重低估，几次技术飞跃甚至引发了组织结构的调整。看看那些小型团队，几个人的产能竟可与过去几十人相媲美。如果记忆再取得突破性进展，不用多说，智能体将从“死工具”转变为数字化同事，甚至可能成为小企业的核心管理者。
想象一下，AGI 能够记住你的饮食偏好，了解你曾经的失误，并能从项目经验中吸取教训，主动帮助你规避错误。归根结底，这才是 AGI 应有的形态。我们不禁要思考，当它真正掌握“记忆”与“自我成长”的能力时，人类将何去何从，下一步该如何定位自身呢？
这真是一个复杂的问题。
标题：AGI 的未来：记忆与自我成长的双重挑战我们应当铭记自己的饮食习惯，反思过去的错误，并从以往的项目经验中汲取教训，以此主动避免重蹈覆辙。这种能力正是 AGI 所应具备的核心特征。然而，当我们思考 AGI 真正掌握“记忆”及“自我成长”能力之际，人类又将面临怎样的未来呢？在这种情况下，我们的定位又该如何调整？这无疑是一个值得深思的复杂议题。
