新智元報(bào)道

編輯：元宇

【新智元導(dǎo)讀】如同智能手機(jī)一樣，大模型也進(jìn)入了一個「能力過剩」時代，即大模型本身的能力與人類使用方式之間存在著巨大斷層。

剛剛，GPT-5.2刷新了一項(xiàng)新紀(jì)錄！

OpenAI聯(lián)合創(chuàng)始人Greg Brockman發(fā)帖稱使用GPT-5.2在ARC-AGI-2基準(zhǔn)測試上，表現(xiàn)超過了人類基線水平。

在基準(zhǔn)測試時技能爆表，但一到實(shí)際應(yīng)用就「掉鏈子」，OpenAI前首席科學(xué)家Ilya Sutskever提到的這種大模型「性能悖論」我們并不陌生。

這也是AGI評估領(lǐng)域一個長期存在的難題——如何區(qū)分大模型「真正的推理能力」與「刷題型能力」。

而ARC-AGI-2的出現(xiàn)正好打破了這一難題。

ARC-AGI-2的全稱為「Abstraction and Reasoning Corpus for Artificial General Intelligence-Version 2」，是ARC系列基準(zhǔn)的最新升級版本。

該基準(zhǔn)由Fran?ois Chollet（Keras之父、前Google Brain研究員）及其團(tuán)隊(duì)在2025年推出，其設(shè)計(jì)初衷十分明確：

測試AI是否具備AGI所必需的抽象、歸納與遷移推理能力，而非記憶或統(tǒng)計(jì)模式匹配。

ARC系列與傳統(tǒng)NLP或多模態(tài)benchmark最大的不同在于：它沒有大規(guī)模訓(xùn)練集，每道題目都是從未見過的新任務(wù)，因此不存在通過「刷數(shù)據(jù)」獲得高分的可能。

它要求AI像人類一樣具備真正的推理和舉一反三的能力。

Chollet曾多次公開表示，如果一個系統(tǒng)只能在見過的數(shù)據(jù)分布上表現(xiàn)良好，那它并不具備AGI所需的能力。

因此，ARC基準(zhǔn)測試剛好直擊大模型的「軟肋」。

從「及格」到「優(yōu)等生」

一次關(guān)鍵跨越

新紀(jì)錄的刷新者，并非單一模型，而是一個名為Poetiq（GPT-5.2X-High）的系統(tǒng)。

Poetiq是一家專注于元系統(tǒng)（Meta-System）架構(gòu)的AI公司。

其核心理念并不是訓(xùn)練一個更大的模型，而是通過軟件層面的系統(tǒng)設(shè)計(jì)，自動構(gòu)建「會調(diào)用模型的系統(tǒng)」。

Poetiq（GPT-5.2X-High）在ARC-AGI-2數(shù)據(jù)集上實(shí)現(xiàn)了75%準(zhǔn)確率，每問題成本不到8美元，超越前SOTA 15個百分點(diǎn)。

在Poetiq（GPT-5.2X-High）系統(tǒng)出現(xiàn)之前，GPT-5.2(X-High)已經(jīng)非常接近人類平均水平。

ARC-AGI-2榜單中，人類平均準(zhǔn)確率約為60%，GPT-5.2X-High的成績與之幾乎持平，代表了當(dāng)時AI在該基準(zhǔn)上的最強(qiáng)推理能力。

但Poetiq的加入，使GPT-5.2(X-High)的得分從60%直接拉升到了75%，從勉強(qiáng)及格（人類平均水平）邁入了優(yōu)等生的行列（顯著超越人類平均水平）。

在同一榜單上，還能看到Gemini 3 Deep Think（Preview）的身影。

該模型主打「深度思考（Deep Think）」技術(shù)，在ARC-AGI-2上的成績約為46%，明顯落后于GPT-5.2系列，并且成本相對后者也略高。

Poetiq表示，整個過程沒有對GPT-5.2進(jìn)行任何訓(xùn)練或者特定優(yōu)化。

這正是Poetiq元系統(tǒng)的初衷，旨在自動構(gòu)建完整的系統(tǒng)，通過調(diào)用任何現(xiàn)有的前沿模型來解決特定任務(wù)。

從15%的提升數(shù)據(jù)來看，Poetiq對于基礎(chǔ)模型性能的提升幅度還是非常明顯的。

它的存在證明了不需要堆算力，通過優(yōu)秀的軟件架構(gòu)也能大幅提升AI性能。

從這個角度上，它也驗(yàn)證了接下來OpenAI的一個判斷——

當(dāng)前大模型，正逐漸進(jìn)入「能力過�！闺A段。

大模型「能力過�！箷r代

就在同一天，OpenAI官方也在X平臺發(fā)布了一項(xiàng)關(guān)于2026年的預(yù)測。

在這條推文中，OpenAI明確提到一個關(guān)鍵詞：Capability Overhang（能力過剩）。

核心意思是：

當(dāng)前模型「能夠做到的事情」，與人們「實(shí)際使用AI的方式」（產(chǎn)生效果）之間，存在巨大的斷層。

OpenAI認(rèn)為，未來AGI的進(jìn)展將不再僅取決于模型本身的突破，還將取決于：

• 人們是否知道如何有效使用AI

• AI是否真正融入現(xiàn)實(shí)工作與生活

• 系統(tǒng)是否能將模型能力轉(zhuǎn)化為實(shí)際價(jià)值

因此，在2026年，OpenAI將繼續(xù)前沿研究，同時重點(diǎn)投入于應(yīng)用層、系統(tǒng)層、人機(jī)協(xié)同，尤其強(qiáng)調(diào)醫(yī)療、商業(yè)和日常生活場景。

人機(jī)協(xié)同

AGI的另一半拼圖

OpenAI這篇官方推文涉及一個人機(jī)協(xié)同的問題。

實(shí)現(xiàn)AGI，是需要模型和人協(xié)同發(fā)揮作用：AGI不只靠模型升級，更要「教人用AI」。

通過正確的使用AI，充分發(fā)揮出AI的潛能，這樣才能讓AI開始從「炫技」轉(zhuǎn)向「普惠」，真正影響億萬人生活。

這一觀點(diǎn)也得到了社區(qū)的強(qiáng)烈回應(yīng)。

于是，樂觀的網(wǎng)友稱「直接把我整個人自動化吧」！

也有網(wǎng)友提到，真正的挑戰(zhàn)在于如何將AI融入工作流程中：見過太多組織買了「AI」，卻從未改變?nèi)魏我粋�流程。

大模型真的「能力過剩」了嗎？

那么，是不是真如OpenAI所說的，大模型的能力已經(jīng)過剩了呢？

通過上面Poetiq所公布的Poetiq（GPT-5.2X-High）在ARC-AGI-2上的表現(xiàn)，75%的得分超過了人類平均水平（60%）15個百分點(diǎn)。

此前OpenAI官方在介紹GPT-5時強(qiáng)調(diào)其在解決復(fù)雜跨學(xué)科問題上達(dá)到了專家級基準(zhǔn)，后被外界引申為「博士級智能」。

這說明GPT-5等大模型在某些專業(yè)任務(wù)中表現(xiàn)類似于人類博士的專業(yè)水平。

從模型本身來說，也許并未完全過剩，但從「未被充分釋放的能力」角度來看，已經(jīng)嚴(yán)重過剩。

其中，有模型設(shè)計(jì)者方的原因，比如他們沒有緊跟用戶的使用場景，「不再與用戶并肩同行了」。

也可能由于前沿模型在推理和創(chuàng)新上缺乏根本性的突破。

還有模型本身迭代得太快，用戶不得不在日常生活中不斷棄用已經(jīng)「成功上手」的模型。

Poetiq 的出現(xiàn)，以及OpenAI對「能力過�！沟呐袛�，共同指向了未來AI領(lǐng)域的一個新方向：

下一階段的AI競爭，不再只是模型參數(shù)之爭，而是系統(tǒng)、流程與人機(jī)協(xié)同的競爭。

參考資料：

https://x.com/poetiq_ai/status/2003546910427361402

https://x.com/OpenAI/status/2003594025098785145

秒追ASI

?點(diǎn)贊、轉(zhuǎn)發(fā)、在看一鍵三連?

點(diǎn)亮星標(biāo)，鎖定新智元極速推送！