来源：Adam Hunt (@RealAdamHunt) 推文 2026-07-29 主题：反驳 Adam 从 AGI 乐观派转向坚定悲观派的论证 视角：技术架构层（agentic loop / self-reflection / recursive self-improvement）
Adam 的论点其实可以压缩成三层：
第一层（经验观察）： o3 之后的模型没有变得更通用，反而变窄了。编码能力 spiking，语言能力倒退。模型在简单逻辑/语言任务上偶尔变笨。
第二层（机制归因）：
第三层（预测）： 40% 信心——一两年内不会出现"广泛显著且公认的"通用能力提升。可能路径是垂类模型做 RL 再链回通用，但需要资本密度 → 可能是"等不到的承诺"。
Adam 抓对了一个真问题：o3 之后的模型语言风格确实在降级。这不是他一个人的错觉，是社区共识。
但他把"风格降级"当成了"能力降级"——这是致命误读。
公开数据说话：
数据来源：OpenAI GPT-5.2 发布报告 2025-12。
Adam 看到的"模型变笨"，其实是另一种东西：模型不再秒回了。它在调用一个长达几分钟到十几分钟的思考过程——自我反思、多轮验证、工具调用——然后才吐出最终答案。
拿一个"思考了 8 分钟"的回答跟"瞬间生成"的回答比"流利度"，当然觉得前者笨。但前者可能对了 53%，后者对了 4%。
Adam 看错了指标。
Adam 的框架里有一个大洞：RL 正在被重新设计。
2025 到 2026 年，业界已经意识到"单任务 RL 深耕"的天花板，开始全面转向 agentic RL（智能体强化学习）。
核心差别：
ICML 2026 已经专门开了 Agentic RL workshop。CSDN 的综述给了一组实测数字：自我反思（Self-Reflection）机制把复杂任务完成率提升 40% 以上，幻觉率大幅降低。
主流反思系统分三类：
这不是 Adam 预测的"窄化"，这是任务组合空间的指数级扩张——RL 的优化对象从 N 个独立任务，变成 N×M×K 个任务链。
2026 年 6 月 Anthropic 发布了一份让人后背发凉的报告：
这不是 Adam 预测的"垂类模型拼接回通用模型"——这是 AI 开始造 AI。它不再需要人类设计训练目标，它自己设计、自己验证、自己迭代。
Anthropic 自己也在报告里警告：递归自我改进（RSI）可能在未来两年内发生，甚至更早。一家 9000 亿估值的公司主动喊停——这不是危言耸听。
他说"AI 公司押编码是因为编码赚钱"——因果关系反了。
不是 AI 公司主动选编码，是评测基建只在这一块天然成立：
而"语气自然""逻辑连贯""理解潜台词"——没有客观打分函数。直到 ARC-AGI、GDPval、GPQA 这一批通用推理评测在 2024-2025 年陆续成熟。
评测基建到位 → 通用能力才有了 RL 信号 → 算力才开始回流。
所以 2025 年底到 2026 年初的跳涨——不是 AI 突然变聪明了，是因为终于有人能测出来它聪明。
Adam 提了一个值得认真对待的设想：垂类模型做 RL，再链接回通用模型。
他把这当成了"等不到的承诺"。但这件事正在发生：
但路径不是 Adam 想的"手动拼接"——而是 agentic loop。
通用模型不需要"什么都直接做对"——它需要"知道什么时候调用哪个垂类 agent，然后整合答案"。这正是 o3 / GPT-5.2 在做的：把推理时间分配给"思考 + 工具调用 + 自我反思"。
Tomas Pueyo 的 AGI 刺猬图把"所有刺"画成同步向外长——这是错的。
Adam Hunt 的反驳把"刺不同步变长"解读为"AGI 来不了"——这更是错的。
真正的图景是：
Adam 看到的 spike 是真的——但他没看到这些 spike 正在通过 agentic loop 编织成一张网。
如果你是工程师，最近半年大概率吐槽过：
这些吐槽全是真的。
但你可能没注意到的是：当你让这些模型去解 ARC-AGI-2、跑 SWE-Bench Pro、调用 5 个工具链做一个 12 小时的任务——它们在 2025 年底到 2026 年初跳了一个台阶。
你怀念的是流利度，不是正确率。
下次评估一个模型的能力，别看它说话像不像人，看它：
这四个指标比"语气自然"重要一万倍。
Adam，你的语言风格降级观察是对的，RL 窄化担忧也是对的。 但你漏了三件事： 通用推理基准一年涨 13 倍不是"窄化"，是评测基建补齐后的回流 RL 正在被重构成 agentic RL，任务组合空间在指数级扩张 Anthropic 自己的报告告诉你 AI 已经能造 AI——这不是"垂类拼接"，是 RSI 你预测的"等不到的承诺"，可能在你写下那条推文的同时正在发生。
Adam，你的语言风格降级观察是对的，RL 窄化担忧也是对的。
但你漏了三件事：
你预测的"等不到的承诺"，可能在你写下那条推文的同时正在发生。
不理解那么早要AGI做什么，为了智械危机？还是股票概念？
Featured Collection
Popular Ranking
Popular Events
中文 
deepin deepin 
Which version of the Deepin system is the best? 
当 AGI 悲观派遇上 agentic loop：Adam Hunt 的刺猬图批评到底哪里错了
一、Adam 的核心论点（先复述清楚再反驳）
Adam 的论点其实可以压缩成三层：
第一层（经验观察）：
o3 之后的模型没有变得更通用，反而变窄了。编码能力 spiking，语言能力倒退。模型在简单逻辑/语言任务上偶尔变笨。
第二层（机制归因）：
第三层（预测）：
40% 信心——一两年内不会出现"广泛显著且公认的"通用能力提升。可能路径是垂类模型做 RL 再链回通用，但需要资本密度 → 可能是"等不到的承诺"。
Adam 抓对了一个真问题：o3 之后的模型语言风格确实在降级。这不是他一个人的错觉，是社区共识。
但他把"风格降级"当成了"能力降级"——这是致命误读。
二、为什么 Adam 看错了：通用能力在换维度涨
公开数据说话：
数据来源：OpenAI GPT-5.2 发布报告 2025-12。
Adam 看到的"模型变笨"，其实是另一种东西：模型不再秒回了。它在调用一个长达几分钟到十几分钟的思考过程——自我反思、多轮验证、工具调用——然后才吐出最终答案。
拿一个"思考了 8 分钟"的回答跟"瞬间生成"的回答比"流利度"，当然觉得前者笨。但前者可能对了 53%，后者对了 4%。
Adam 看错了指标。
三、Adam 的归因错在哪里：他把 RL 窄化当成了终点
Adam 的框架里有一个大洞：RL 正在被重新设计。
2025 到 2026 年，业界已经意识到"单任务 RL 深耕"的天花板，开始全面转向 agentic RL（智能体强化学习）。
核心差别：
ICML 2026 已经专门开了 Agentic RL workshop。CSDN 的综述给了一组实测数字：自我反思（Self-Reflection）机制把复杂任务完成率提升 40% 以上，幻觉率大幅降低。
主流反思系统分三类：
这不是 Adam 预测的"窄化"，这是任务组合空间的指数级扩张——RL 的优化对象从 N 个独立任务，变成 N×M×K 个任务链。
四、Anthropic 递归自我改进报告：AI 开始造 AI
2026 年 6 月 Anthropic 发布了一份让人后背发凉的报告：
这不是 Adam 预测的"垂类模型拼接回通用模型"——这是 AI 开始造 AI。它不再需要人类设计训练目标，它自己设计、自己验证、自己迭代。
Anthropic 自己也在报告里警告：递归自我改进（RSI）可能在未来两年内发生，甚至更早。一家 9000 亿估值的公司主动喊停——这不是危言耸听。
五、Adam 漏掉的第二件事：通用评测基建补齐了
他说"AI 公司押编码是因为编码赚钱"——因果关系反了。
不是 AI 公司主动选编码，是评测基建只在这一块天然成立：
而"语气自然""逻辑连贯""理解潜台词"——没有客观打分函数。直到 ARC-AGI、GDPval、GPQA 这一批通用推理评测在 2024-2025 年陆续成熟。
评测基建到位 → 通用能力才有了 RL 信号 → 算力才开始回流。
所以 2025 年底到 2026 年初的跳涨——不是 AI 突然变聪明了，是因为终于有人能测出来它聪明。
六、Adam 的真正洞见：垂类 → 通用，但路径错了
Adam 提了一个值得认真对待的设想：垂类模型做 RL，再链接回通用模型。
他把这当成了"等不到的承诺"。但这件事正在发生：
但路径不是 Adam 想的"手动拼接"——而是 agentic loop。
通用模型不需要"什么都直接做对"——它需要"知道什么时候调用哪个垂类 agent，然后整合答案"。这正是 o3 / GPT-5.2 在做的：把推理时间分配给"思考 + 工具调用 + 自我反思"。
七、刺猬图到底错在哪
Tomas Pueyo 的 AGI 刺猬图把"所有刺"画成同步向外长——这是错的。
Adam Hunt 的反驳把"刺不同步变长"解读为"AGI 来不了"——这更是错的。
真正的图景是：
Adam 看到的 spike 是真的——但他没看到这些 spike 正在通过 agentic loop 编织成一张网。
八、给技术社区的反思：别再用"流利度"当智能指标
如果你是工程师，最近半年大概率吐槽过：
这些吐槽全是真的。
但你可能没注意到的是：当你让这些模型去解 ARC-AGI-2、跑 SWE-Bench Pro、调用 5 个工具链做一个 12 小时的任务——它们在 2025 年底到 2026 年初跳了一个台阶。
你怀念的是流利度，不是正确率。
下次评估一个模型的能力，别看它说话像不像人，看它：
这四个指标比"语气自然"重要一万倍。
九、给 Adam Hunt 的公开信（如果他能看到）
参考来源