2026年9月的第一周，可能是AI历史上最密集的一次模型发布。
9月1日，Anthropic发布Claude Fable 5.1，强化长周期任务自主执行能力；同一天，Google上线Gemini 3.8 Flash，主打软件工程专项Agent；Meta推出Muse Spark 1.3，把工具调用效率再压低20%；9月3日，OpenAI发布GPT-6 Astra，在FrontierMath Tier 4上拿到了97.6%，在ARC-AGI-3上从上一代的7.8%跃升到99.9%——几乎是满分。
然后OpenAI总裁格雷格·布洛克曼发了一条推：“Welcome to the AGI era.”
早在2023年，Sam Altman就说过”AGI可能比预期来得更快”。2024年，Google的Gemini宣传片也引发了一波”AGI已至”的讨论。每次大模型发布，都有人喊”AGI来了”，然后大家翻个白眼，说”又来了”。
但这次不一样在哪？
这次不是PPT发布，不是demo展示，是实打实的基准测试碾压。
GPT-6 Astra在ARC-AGI-3上的99.9%意味着什么？这套测试专门考验模型在陌生环境下的学习和抽象推理能力，是公认最难跨越的AI能力门槛之一。上一代GPT-5.6 Sol在这套测试上只拿了7.8%，几乎等于不会做。一代之间从7.8%跳到99.9%，这不是性能优化，这是能力跃迁。
更值得注意的细节是：OpenAI在发布时承认，GPT-6 Astra是第一款由前代模型深度参与训练监督的旗舰产品——也就是说，GPT-5.6 Sol参与了GPT-6 Astra的训练过程，AI开始参与改进自己。这个递归式自我改进（RSI），才是真正让行业感到”这次不一样”的地方。
这轮发布里还有一个容易被忽略的信息点：OpenAI正式推出了”Ultrafast极速推理”服务体系。
什么意思？之前行业定价只有一个维度——Token数量。但现在，OpenAI把推理延迟、响应速度、任务稳定性也打包成产品了，分出”标准”和”极速”两档。极速模式最高可以把推理速度提升14倍。
这意味着什么？意味着AI行业的竞争维度从”模型强不强”升级到了”服务稳不稳、快不快、成本优不优”。推理能力正式成为独立商品。
有意思的是，四家厂商这次的核心能力提升方向高度一致——不再追求通用对话体验的细微优化，而是全力攻坚复杂长任务自主执行能力，让AI从被动应答的聊天工具，升级为可自主调度、持续作业、闭环交付的数字工作体。
范式变了。
说实话，OpenAI喊”AGI时代”我并不觉得是在吹牛——至少不是完全没有根据的营销。但我也想泼一盆冷水：
99.9%的ARC-AGI-3得分很好，可AI在现实世界里能稳定完成多少任务？企业级的可靠性验证做了吗？部署成本降下来了吗？
AGI不是一个瞬间到来的事件，而是一个连续的过程。我们可能已经在AGI的路上走了很远，但”到了”和”能用”之间，还有很长的距离。
这波发布真正值得关注的信号是：AI正在从”回答问题”变成”完成任务”。 这个转变一旦完成，它对就业市场、教育体系、甚至社会结构的影响，都会远远超出我们目前能感受到的范围。
模型发布得越多、越快，这种感受就会越强烈。
下周，估计又有人发新模型了。
References:
正在加载评论...