巨头抢着宣布AGI来了，可“到没到”到底谁说了算？

这两天，AI圈又把“AGI”这个词喊炸了。

OpenAI 发了 GPT-6 Astra，官方口径是“代际飞跃”，电话会结尾还撂下一句：欢迎来到 AGI 时代。

Anthropic 也没闲着，甩出 Claude Fable 5.1，两家都在讲同一个故事：机器，追平甚至超过人类了。

热闹归热闹，有个问题被所有人默契地绕开——

AGI，到底是个啥？

通常的说法是“能在多个领域达到较高水平、完成复杂任务的通用智能”。可“多个领域”要多广，“较高水平”参照谁，系统遇到难题是自己扛还是得人搭把手——每一个环节，都缺一把统一的尺子。

一场终点会跟着参赛者移动的比赛，谁先宣布“赢了”，都可能胜在抢先，而不是货真价实。

DeepMind 的研究者提过一套分级框架，把能力的广度、水平和自主性拆开考：

能写代码、读财报、解科学题，说明覆盖面广；这些活儿能不能稳定干到专家级，是另一码事；更关键的是——没人盯着的时候，它能不能自己发现错误、重新规划、连轴转几个小时？

一个总要你纠错的模型，和一个能自己把活干完的系统，对一家企业来说，完全是两种东西。

所以你看，“是不是 AGI”正在变成一场定义权之争：谁出题、谁定及格线、谁握着评测权，谁就能左右大众对“机器多强”的判断，顺带影响资本的流向。

企业爱喊 AGI，不全是膨胀，背后有本商业账：一个标签，就能把一次产品升级讲成改变经济结构的大故事，融资、招人、客户预期都能借上力。

但掏钱采购的客户，买的从来不是标签，是活。

模型到底有没有帮你省下工时？干砸的时候会不会及时报错、及时止损？一份报告写得再顺溜，关键数字全得靠人逐项复核，那这份“流畅”就只值个安慰奖。

还有个更拧巴的地方：OpenAI 自己在 Astra 的安全文档里承认，模型越强，它的思考过程越难被监控。

越能自己干活的系统，也越像一匹脱缰的野马——跑得快，但难拉回来。

所以，别急着把“是不是 AGI”当成“值不值得用”。监管也一样，与其死磕一个谁也说不清的终点，不如盯着可观察的行为：它能执行哪些外部操作？搞砸了损失多大？人类能不能随时摁停？

技术是真的在进步，但“第一名”的名头，可以再等一等。

比谁先冲线更重要的，是让所有人都看清：机器到底多了什么本事，这些本事又该由谁来负责。

AGI 时代或许真的来了，但当务之急，是先给它立好规矩。