就在黄仁勋高调声称“AGI照旧终了”的归并个月，斯坦福大学李飞飞团队鸠集西北大学李曼玲团队，在ICLR 2026上发布了一项里程碑式的盘考，用一组冰冷的数据，狠狠点破了当下的AGI狂欢泡沫。
这项名为《Theory of Space》的盘考，臆测打算了一套针对大模子空间智能的测试框架，成心考验AI面临生分物理环境时，自主探索、构建明白舆图、完成空间推理的才调。测试铁心令东谈主畏惧：即等于刻下行家最强的GPT-5.2、Gemini 3 Pro，在这项测试中的最高正确率仅35%，接近立时意象的水平，而无为东谈主类受试者的正确率，进步了94%。
一边是科技巨头们喊出的“AGI元年”，一边是AI在最基础的东谈主类智能测试里，连合格线都摸不到。这个野蛮的反差，揭开了一个被扫数东谈主忽略的真相：咱们当今领有的，压根不是真的的东谈主工智能，仅仅一个精密的“款式匹配机器”。
思要看懂这个测试的颠覆性，先要搞昭着，它到底考了AI什么。
和之前那些AI能刷到满分的测试不同，此次的测试，中枢考的是东谈主类最基础的“空间智能”——也就是咱们走进一个生分的房间，能快速记着环境布局、物体位置，哪怕有物体被装束，也能准确记着它的位置的才调。这是东谈主类从婴儿时期就具备的基础智能，亦然咱们在真实天下生计的中枢才调。
测试的臆测打算都备复刻了东谈主类探索生分环境的经由：让AI自主探索一个生分的3D房间，通过移动视角不雅察环境，构建完满的空间明白舆图，然后复兴对于房间布局、物体位置、朝向的一系列问题，全程莫得任何提前考验，都备考验AI的零样本学习和主动探索才调。
举个最浅易的例子：一个几岁的小孩，第一次走进生分的客厅，哪怕只逛了一圈，你问他“沙发在那边”“电视在沙发的哪一边”，他都能准确复兴。而当今的顶级大模子，哪怕是行家起原进的多模态模子，面临这种从来没在考验数据里见过的新场景、新布局，霎时就会造成“路盲”。
而测试铁心，号称AI界的大型翻车现场。
- 行家名挨次一的GPT-5.2，主动探索场景后的正确率仅35%，被迫接管信息时的正确率也唯一57.1%。
- 谷歌Gemini 3 Pro，测试正确率仅32%，以致不如立时遴荐的铁心。
- 国内名挨次一的阿里Qwen3-VL，正确率仅28%，同样远低于东谈主类平均水平。
更挖苦的是，就在半年前，这些AI模子在固定场景的视觉问答测试里，还能刷到90%以上的高分，以致有不少机构声称“AI的视觉连气儿才调照旧进步东谈主类”。
为什么短短半年，差距会这样大？
因为之前的测试，AI不错靠“刷题”赢。旧版的测试题，早就照旧被传遍了互联网，大都出当今AI的考验数据里，IM体育模子压根不需要连气儿空间布局，只需要靠款式匹配，记着对应的谜底就行。就像一个学生，提前背好了测验的题库，哪怕都备不懂学问点，也能考出满分。
而此次李飞飞团队的测试，透彻堵死了AI刷题的路。扫数测试场景都是全更生成的，莫得任何提前露馅的可能，都备考验模子的主动探索才和洽空间明白才调，也就是真的的智能。而在这个真的考验智能的科场里，扫数顶级AI，集体交了白卷。
这个铁心，透彻点破了当下的AGI泡沫。
当今通盘行业都在豪恣卷模子范畴、卷参数数目、卷算力插足，黄仁勋说昔日AI算力需求会达到1万亿好意思元，无数企业随着烧钱堆算力，仿佛参数越多、算力越强，AI就越接近东谈主类智能。
但这个测试告诉咱们：标的错了，越接力，越偏离真的的AGI。
刻下扫数的大模子，骨子上都是“统计型款式匹配机器”。它们的中枢逻辑，是学习海量文本里的统计规定，然后把柄用户的发问，生成允洽统计规定的文本。它们能写代码、写论文、作念决策，不是因为它们连气儿了这些内容，仅仅因为它们在考验数据里，见过无数雷同的内容，能匹配出最允洽预期的铁心。
而东谈主类的智能，中枢是“连气儿、推理、创造”。咱们能面临从来没见过的问题，找到全新的处治法式；能从0到1，创造出天下上从来莫得过的东西；能连气儿详尽的观念，开拓完满的天下模子。这些才调，是刻下的AI，哪怕参数再翻100倍，也压根不具备的。
这不是时期迭代能处治的问题，而是底层逻辑的骨子差距。
虽然，这不是说AI莫得价值。当今的大模子，照旧是东谈主类有史以来最纷乱的坐蓐力器用，它能帮咱们培植成果、裁汰门槛、摆脱通常服务，这是不消置疑的。
但咱们必须领略：把一个纷乱的器用，说成是“通用东谈主工智能”，以致声称“AGI照旧终了”，骨子上是一场本钱催生的泡沫狂欢。无数企业靠着AGI的故事融资、上市、拉高股价，却很少有东谈主真的去处治，AI离真的的智能，到底还差什么。
AI的路，才刚刚启动。器用的纷乱，不代表智能的醒觉。什么时刻AI能真的像小孩一样，面临全新的天下，自主学习、自主探索、自主创造，那才是AGI真的到来的那天。
你以为，咱们这辈子IM体育官方网站，能看到真的的AGI吗？驳倒区说说你的看法。
金佰利国际娱乐官网入口
备案号: