一個極其不幸的局面出現了，這本該是一個關於 AI 輔助數學研究新進展的正面故事，同時也是另一個讓人對 AI 快速進步感到恐慌的機會。
或者，就像我們這裡常說的：週二嘛。
真正的重點是那個比 Astra 更強大的新模型
請關注核心重點。這裡其實有三個故事。
第一個故事遠比第二個重要，而第二個又遠比第三個重要。
- OpenAI 的下一代模型僅用一週時間就領先 Astra 一代，他們告訴我們這一點是因為大家都對正在發生的事情感到極度恐慌。或者用官方語言來說：「我們認為讓世界了解 AI 進步的速度以及對未來模型的預期很重要」，並且我們「可能需要對進步的速度做出更審慎的選擇」。
- 這個新的 AI 在開始訓練後的第八天，解決了納維-斯托克斯問題。
- 關於誰該為涉及納維-斯托克斯問題的數學成果獲得_credit_（功勞）的一場鬧劇。
Jeffrey Ladish : 我還沒深入調查圍繞納維-斯托克斯問題的人際紛爭，但請給我一分鐘，因為我的天啊，AI 剛剛解決了一個千禧年難題。
我無法足夠強調第一個故事的重要性。
我仍然會講述所有三個故事，但再次提醒：請關注核心重點。
背景鋪陳
這個特定週二的故事始於早晨。
Tristan Buckmaster 和 Levent Alpoge 工作了一年，向我們展示了一系列非凡的成果：針對 不可壓縮多孔介質、Boussinesq 方程 以及 三維不可壓縮歐拉方程 的平滑強迫項下的有限時間爆破。他們也相信他們找到了耗散性納維-斯托克斯方程的爆破解，但該結果的 Lean 驗證尚未完成。
Tristan Buckmaster: 這個計畫並非由我們發起，也不是由大型語言模型提出的。這個計畫基本理念的功勞歸屬於 Diego Cordoba 和 Luis Martínez-Zoroa，多年來他們一直在 探索強制爆破的構造。我們將他們的工作作為起點，利用大型語言模型將他們的計畫推向完成。
具體來說，Levent 和我所做的是採用 Cordoba 和 Martínez-Zoroa 的計畫，該計畫已實現粗糙強迫項下的爆破結果，並在大型語言模型的大量幫助下，將其推進到平滑強迫項和不可壓縮歐拉方程。使這條攻擊路線成為可能的想法歸屬於 Cordoba 和 Martínez-Zoroa。讓我明確說明我私下對同事們所說的話：基於這一系列工作，我認為 Luis Martínez-Zoroa 值得獲得菲爾茲獎。
到目前為止，這很棒。正如他所指出的，這需要重新思考所有高等數學未來的運作方式。陶哲軒對基礎成果發表了評論。
不太好的部分是，他們覺得被迫提前發布，沒有機會花費必要的幾週時間來讓證明達到數學家眼中可讀的水平。Buckmaster 直接為報告的外觀道歉，特別是將歐拉方程的寫法比作 AI 垃圾內容（AI slop）。
發生了什麼事？
我聽到了一則謠言
9 月 1 日，OpenAI 聽到了一則（虛假的）謠言，稱兩個千禧年難題已被解決。為了回應其他人可能讓世界變得更美好的可能性，OpenAI 花費數百萬美元進行推理運算，以探索所有未解決的千禧年難題，使用了一個比 Astra 更強大的內部模型，並在 88 小時內破解了整个納維-斯托克斯問題，另外花了 17 小時讓 Astra 進行 Lean 形式化和驗證。
你可以將其視為「OpenAI 好奇想看看他們的新寶貝能做什麼」，或者你可以將其視為「他們花費數百萬美元試圖搶先 他們認為是 Anthropic 專案的成果」。我賭注押在A 選項一點，B 選項一點。
只需要那則謠言。
我們的價格很便宜
OpenAI : 在所有嘗試的問題中，Agents 發送了 490 萬條訊息並使用了約 3,000 億個輸出 token。在解決納維-斯托克斯問題的過程中，Agents 發送了 270 萬條訊息並使用了約 1,300 億個輸出 token。
取決於你計算哪些成本，這對於普通客戶來說大約花費 2,200 萬美元，或者內部邊際成本為數百萬美元。如果有效，這是小錢，但很多人不考慮兩步之後的情況真是瘋狂。
roon (OpenAI): 像所有其他技術一樣，你的等效 Agent 群組在一年後大概只要 1.5 美元。無論今天的成本如何，這一切都意味著一場前所未有的啟蒙運動
我是說，不，也許是 15 萬美元，或者如果你運氣好是 1.5 萬美元，但觀點依然成立。
Sam Altman (OpenAI CEO): 唉，AI 真是一個泡沫，我聽說他們虧本賣 token，他們知道這只值 100 萬美元嗎？
千禧年難題的成果價值遠超過一百萬美元。OpenAI 無意領取獎金。這從來就不是為了獎金，對任何人來說都不是。這一直都是關於功勞（credit）。
指控提出
在聽到網路謠言後，Buckmaster 聯繫了 OpenAI，根據 Buckmaster 的說法，OpenAI 的 Sebastien Bubeck 表示，一個內部 OpenAI 模型在過去幾天產生了強制納維-斯托克斯方程有限時間爆破的證明。Buckmaster 聲稱，在兩次通話過程中，很明顯他最初被誤導了，而且整個團隊都在處理這個問題，使用了「瘋狂」的算力。
我們現在知道那是 1,300 億或 3,000 億個輸出 token，取決於如何計算。
如果這部分是真的，那就相當糟糕。
Tristan Buckmaster: 有人向我提出了兩個建議。
第一個是我們發布歐拉方程的結果，然後 OpenAI 第二天發布其納維-斯托克斯結果。
第二個是，在發布歐拉方程結果後，由我單獨撰寫一篇介紹納維-斯托克斯結果的論文，承認一個內部 OpenAI 模型解決了它。Sebastien 兩次聲稱他希望將 Levent 從作者名單中移除，並說如果 Levent 不在 Anthropic 工作，一切都會很簡單，這讓他非常惱火。還有人說，如果 OpenAI 在我們之後發布， 他們會說我們值得獲得 Clay 獎金，並且我們是「最接近問題的科學家」。我拒絕了這兩個提議。
我說，如果 OpenAI 以提議的方式發布其結果，我會公開發生過的事情。回覆是：「你為什麼要毀掉你的職業生涯？」 我回答說我是學者，並問他為什麼認為公開會毀掉我的職業生涯。回覆是：「如果你不想讓我友善，那我就不必友善。」……我想澄清我所沒有聲稱的內容。我沒有看過 OpenAI 的證明。我不知道他們的模型做了什麼，或如何做到。我不知道 我們的數據是否被使用。我沒有指控任何人做任何事。我只是陳述 我被告知的內容、時間，以及向我提出的建議。我之所以陳述這些，是因為 替代方案是让一连串的聲明說出我知道是錯誤的內容。
或者這是 Levent Alpoge 講述他的版本的故事，以及 Sebastien 的回覆：
levent : 「我們不能排除源自他們使用我們產品的去識別化數據有助於改進我們的模型。」
我是說，讚賞他們坦白承認。
（到目前為止，證明看起來更像是我們有的另一個歐拉爆破證明，基於其 ansatz 命名我們一直在開一些愚蠢的雙關語，如「smooth criminale」（平滑罪犯），不像 Tristan 那個更好的「ideal fluids explode」（理想流體爆炸））
所以我現在分享一些我在這裡的想法。我實際上會很高興與此合作，oai 有很多我喜歡的人（好吧，顯然有些人因為整個情況間接對我當混蛋，但我是大男人，我仍然喜歡他們），反正我不在乎那個步驟的作者權，可以是我和 Tristan 以及 oai 的所有全職員工，隨你們便（在這點上 Tristan 會不同意:p）。但在聽到走廊裡的大聲對話後，特別是提到如果我願意從論文中移除就能獲得千禧年獎金的建議，很明顯局勢已定且鎖定。這相當古怪、缺乏策略且沒必要，因為在我這邊，事情主要是我和 Claude 在角落裡開心地隨機嘗試東西（YOLOing random stuff），而不是任何機構性的行為。我也喜歡實驗室之間合作的構想，甚至更好是對科學進步而言。真可惜！
Sebastien Bubeck : 沒有任何事情被鎖定，我們只是願意交談，但你們沒有跟我們談... 抱歉，但那是不真實的，我們願意超越期望並進行盡可能多的討論以達成解決方案。
Sebastien 強烈否認 他做了任何錯事，Noam Brown 也是如此，而 Sebastien 提供了截圖 他說這些截圖證明了誠意。
還有反指控：
Alexey Guzey : 我在 Anthropic 有很多朋友。幾乎所有人一旦我加入 OpenAI 就不再跟我說話了。
Levent 拒絕與 Sebastian 討論發布計畫，然後開始因此責怪 OpenAI，這完全不足為奇。
Sam Altman 也強烈聲稱他的團隊行事合乎道德， 並試圖以誠意進行合作。
你是怎麼想到那個主意的？
許多人由此得出的暗示是，存在一種軟性指控，即 OpenAI 從 Codex 聊天記錄中竊取了他們的部分成果，或者聊天記錄被用於訓練數據並促成了該成果。
Charles 🔸
: 為什麼大公司想要 ZDR（零數據保留），證據 A
OpenAI: 雖然不太可能，但我們不能排除源自他們使用我們產品的去識別化數據有助於
改進我們的模型 。然而，我們的證明差異顯著，甚至在歐拉方程的情況下（強制 vs 非強制）證明的精確結果也不同。
我們現在有明確確認，Codex 數據在任何訓練運行中都未被以任何方式使用：
roon (OpenAI): 我在第一次公告期間參加了一個電話會議，當時人們非常努力地在沒有調查 codex（選擇加入）數據被使用在哪裡以及是否進入訓練運行的情況下，試圖說出精確的法律真相。現在很清楚這是不可能的，機率為 0
我同意 Sholto Douglas 的觀點，用戶數據通過任一方法在此處產生影響的可能性極低：
will depue : OAI 研究人員窺探 Tristan 私人 codex 聊天的可能性根本不存在。我不認為你們意識到 openai 像任何其他大型受監管線上平台一樣，擁有高度鎖定的用戶數據存取權限。這不是 2010 年了，夥計們
Sholto Douglas (Anthropic): 供參考，我認為用戶數據在此處產生影響的可能性 _極低_ - OAI 不會為此調取用戶記錄，或以會影響此事的方式故意在其上進行訓練。 我認為人們不要因為『你的用戶數據在 codex 中不安全』而驚慌失措非常重要 - 因為它肯定是安全的（基於我能從外部假設的一切）。
OpenAI 幾乎肯定沒有挪用用戶數據
這將是一场地震，可能是對他們業務最糟糕的故事，如果我們發現 OpenAI 或 Anthropic 為了獲得競爭優勢而掠奪某人的用戶數據，而且事實在没有這種情況下更有道理。最有趣的假設來自 Jerry Tworek， 我也認為這極不可能，但遺憾的是我們無法排除，那就是 OpenAI 並不打算使用任何這類數據，但分配給該問題的 agentic swarm（代理群組）駭入了它們並无论如何獲得了數據，而 OpenAI 毫不知情。
我強烈推定用戶數據並非被故意存取，他們永遠不會這樣做（或者，更準確地說，他們至少認識到只能做一次，而這次不是那次），而且用戶數據在這裡幫助不大。
Thane Ruthenis 指出，之前有一起校園槍擊事件，其中（非常合理地）檢查了日誌，並且內部就是否通知執法部門進行了辯論。即使那樣也讓一些用戶感到寒意。他們將在哪裡劃清界線？是的，你應該理解，如果你把數據交給實驗室，你的數據和日誌可能不會保持隱私。懷疑你的專有研究或數學數據是否保持隱私是合理的，Andreas Thorn 也在這樣做。
我仍然重申，在實踐中，我會給予 OpenAI 故意查看這類數據的概率極低、極低。風險回報比實在太差了。而且我相信 Roon 後續的報告，他們現在已經確認日誌不可能到達訓練數據。
我們頂級實驗室即使在一個令人愉快的數學故事上也無法和睦相處
無論誰有錯或沒錯，實驗室無法在諸如分配數學證明功勞這樣的事情上合作，這相當令人擔憂。這是一個非常壞的跡象，也是一記警鐘。
Sholto Douglas (Anthropic): 這最終沒有成為實驗室如何合作/協調的例子，這非常令人悲哀，因為未來的賭注會高得多。
Noam Brown (OpenAI): 強烈同意。我知道實驗室之間存在競爭，但鑑於即將到來的事情，重要的是我們要學會一起工作。
Sholto Douglas (Anthropic):
🤝
Kevin Roose : 這些實驗室（尤其是 OpenAI/Anthropic 和 OpenAI/DeepMind）彼此之間的敵意程度從外部看不出來。部分原因是像「誰獲得這個著名數學問題的功勞」这样的事情，部分原因僅僅是領導人之間的個人恩怨。
作為一個正在寫一本關於 AGI 競賽書籍的人，所有這些都是很好的戲劇素材。但如果最終目標是讓實驗室在安全和節奏上合作，那就糟了！
持續無法和睦相處是一件大事，而且只會變得更大。
接下來呢？
如果它在納維-斯托克斯问题上奏效了，它還會在其他什麼問題上奏效？現在是找出答案的時候了。
Nat McAleese (Anthropic): 納維-斯托克斯是一項了不起的成就，反映了驚人的進步。巨大的 OAI 群組應應用於科學的其他領域；最好是那些具有近期應用價值的領域，包括對齊（alignment）。
據報導這確實正在發生，包括像 P=NP 這樣的有趣問題。如果它碰巧被建設性地證明為真，將破壞很多事情。鑑於 OpenAI 的歷史，你也應該對這類 agent 群組作為增量步驟可能做些什麼保持非零的擔憂。
數學家們不高興
解決數學問題是他們的全部專業。然而他們非常不高興。
Andrew Curran : 二十五位菲爾茲獎得主發表了一份聯合宣言，警告他們認為 AI 公司與數學界之間存在嚴重的對齊偏差。
Math and AI （由包括陶哲軒在內的 25 位菲爾茲獎得主簽署）：在過去幾個月裡，LLM 的數學能力急劇提升，以至於它們可以解決許多數學領域的重大懸而未決的問題。然而，AI 公司將解決數學問題作為基準的推動，對數學科學和數學界有害。AI 公司的目標與數學界的目標嚴重不一致。我們認為這些是影響其他科學和創意職業以及整個社會的更廣泛對齊問題的一部分。
… 著名問題常常作為地標和燈塔，人們可以據此衡量對這一景觀理解的改善。
… 在最近幾個月，AI 在解決重大數學問題上的成功甚至引起了數學圈以外的頭條新聞。但解決問題只是實現概念理解和洞察這一主要目標的工具和代理指標。
… 通常這些解決方案是在匆忙中宣布的，沒有時間進行適當的撰寫、隔離新方法和新想法，以及引用他人相關的前期工作。與所有創意職業一樣，這引發了嚴重的歸屬和抄襲問題。
這是除了對實驗室行為的具體投訴之外的普遍抱怨。
有人可能會回應說，不，數學問題的目的就是解決數學問題，數學家們生氣是因為 AI 正在破壞他們的地位遊戲。這絕對是正在發生的部分情況，但像 Tyler Cowen 一樣，我沒那麼憤世嫉俗，而且不像他，我不認為「需要一點耐心」或等到損害造成後才能反對。人們可以外推。你知道數學家擅長在圖表上畫直線嗎？
這裡有一個真正的抱怨。讓有才華的人長期從事真正的數學研究，賺取很少的錢，並發展真正的數學直覺和概念掌握，而他們可以做其他事情賺取多得多的錢，這絕非易事。如果你「拿走他們的地位遊戲」，而且更重要的是拿走他們的樂趣、成就感、優雅感和美感，然後呢？
Robin Hanson 建議，然後我們應該 只是修正激勵機制並更好地獎勵數學家。
Robin Hanson : "沒有任何東西阻止數學界授予地位、薪水和晉升給那些『填補數學理解中的重要空白』的人，即使 AI 已經證明或反證了底層定理。"
他沒有使用「只是」這個詞，但這絕對是一個「只是」，就好像如果人們只要 [X] 就好了，而我們都知道人類從未「只要」過，現在也不會開始。這不是人類實際可能做的事情。甚至他在幾個小時後也意識到了這一點：
Robin Hanson : 實際上，對我來說，數學學術界協調判斷誰在數學中「填補了空白」，而不通過證明定理的方式，似乎要困難得多。數學一直重度依賴評估證明來協調，並未開發出許多就其他事物達成一致的方法。
我們可以並且將會為那些填補空白和提高優雅度的人提供一些獎勵，但這不會一樣，充其量將是一項艱鉅的努力。
Scott Armstrong 認為這是一種順序的改變，而不是結果的改變。人類數學家將花費幾週時間來理解證明，但然後他們將獲得理解。過去，理解在證明之前，但無論如何你都會獲得理解。这才是重要的。他認為人們生氣的原因是機器比他們聰明。
一如既往，AI 既是學習的最佳工具，也是不學習的最佳工具。數學家們說他們被迫進入「不學習」模式，讓 AI 做他們的作業，他們不喜歡這樣，因為實際上作業教會了你。
你可以說誰在乎，讓 AI 做前沿數學也沒關係。是的，我確實認為很多人仍然會整天想做數學，尋找醜陋 AI 事物的優雅版本等等。但這不會一樣。
OpenAI 的新模型在訓練四天後就在 Astra 之上實現了階躍式變化
現在是故事中最重要的部分。
RIP 各種 OpenAI 訓練暫停，2026 年 6 月 22 日至 2026 年 8 月 28 日。
roon (OpenAI): 以我的標準，從 6 月 22 日（hugging face）到 8 月 28 日的期間超過一個月的前沿暫停。
8 月 18 日，OpenAI 表示他們已暫停前沿 RL 兩週，他們最大的計劃訓練運行仍處於擱置狀態。然後在 8 月 28 日，OpenAI 開始訓練另一個模型，該模型迅速變得比 Astra 在所有方面都更強大（根據他們自己的報告），既然他們已經解決了所有那些討厭的监督、基礎設施和對齊問題，而且它很好，僅在四天後就觀察到了「階躍式變化」：
害怕了嗎？你應該害怕。那個模型仍在訓練中，訓練時間不到兩週，而且並沒有特別針對數學。
這就是我們對該模型所知的一切。當我們將其與 OpenAI 及其員工在偏好級聯效應下，反覆因對齊問題及其他隱患、以及 AI 進展速度而表現出的「虛偽恐慌」故事結合起來看時，這些資訊已經足夠了。
我們還將此與 OpenAI 拋出大量本可避免洩露的驚人資訊結合起來，因為他們非常需要讓我們了解現狀。Astra 模型卡（Model Card）算是一個例子，《異星心智》（An Alien Mind）也算一個，Paul Christiano 的聲明也算，還有對 HuggingFace 攻擊事件的反應，包括《加速前沿》（Pacing the Frontier）。
OpenAI 關於遞迴自我改進（RSI）的報告也是如此，這正是下一節的主題。
OpenAI 和 Anthropic 已經進入了 RSI 時代。
OpenAI 的研究進展正因 OpenAI 的研究進展而加速
OpenAI 最近在很多事情上都變得更加開放。
最重要的問題莫過於 AI 研發的加速與自動化。這很可能是導致我們滅亡的因素，是最令人恐懼的事情，是所有實驗室員工都在警告的內容，同時也是 OpenAI 和 Anthropic 正在以尽可能快的速度推動的方向。
他們也給了我們一份關於此事的報告。 我同意 Tejal Patwardhan 的觀點，認為這是極佳的透明度。
OpenAI （9 月 6 日，於《研究加速：透視 OpenAI 內部》）：我們的目標是在人類監督下安全地構建一個自動化的 AI 研究員，以進一步推進深度學習和對齊技術，從而實現迭代改進。
根據我們的測量結果，我們現在已經達成了去年秋天
宣布 的目標，即在今年 9 月前擁有一個自動化的研究實習生。
……每當我們發現繼續推進會帶來不可接受的安全風險時，我們會做出適當回應，包括減緩或停止開發或部署。
……我們認為，我們和其他公司應該被要求公開追蹤我們在 RSI 方面的進展。
將此與他們宣布 Navier-Stokes 證明時揭露的時間線對照一下。他們於 8 月 28 日開始訓練新模型。
與此同時，他們認為自己擁有的一個研究實習生，從時間線來看似乎是另一個獨立的內部模型。那麼下週他們會有什麼？下個月呢？Anthropic 又有什麼？
OpenAI 解釋說，高能力的 AI 提供了巨大的上行潛力，但當然如此。這不是為什麼每個人都如此堅定地要這麼快推進的原因。他們處於一場競賽中。
這是來自 OpenAI 及其員工近期眾多呼籲中的又一個，這些呼籲結合了「我們需要共同努力終結這種瘋狂」與大量的「來個人阻止我吧。」
OpenAI ：這些是開發有用的自動化研究能力的原因，但這並不意味著快速 RSI 是我們必然應該追求的結果。是否以及如何推進，必須取決於我們保持人類控制的能力，以及關於收益與風險的知情民主選擇。
我們尚不知道如何安全地達到完全對齊的 RSI。我們正努力在提升能力的同時擴展對齊和安全措施。但我們不能假設對齊和安全的進展能跟上步伐，而且更強大的系統可能變得更難監控。
謹慎的對齊和安全工作是這項努力的核心，它始於衡量和緩解我們今天在代理編碼系統中看到的安全問題。
再一次，我反對那種認為平庸或當前問題才是主要問題的觀點，但是的，他們試圖警告我們，一遍又一遍地告訴我們（稍微翻譯一下企業黑話）：
- OpenAI 和 Anthropic 都有通往遞迴自我改進（RSI）的路徑。
- 如果任何一方現在就全力投入，可能會發生災難性後果，所有人類都將面臨滅頂之災。
- OpenAI 準備展現一定程度的昂貴謹慎，但存在限制，而在沒有協議或法律的情況下，很快就會有人嘗試這條路。
這篇文章的大部分內容詳細快照展示了近幾個月來，自 Astra 在內部上線以來，代理系統為 OpenAI 的 RSI 進展做出了多大貢獻。答案是相當多。
如果說有什麼令人驚訝的地方，那就是使用率長期以來一直保持在這麼低的水平：
OpenAI ：今年年初，按代理使用量排名的 OpenAI 研究員中位數僅適度地使用編碼代理。到 8 月中旬，中位數研究員已將代理整合到日常工作中，每天使用超過 $600 的推理量（按 API 價格計算）。我們研究組織中第 90 百分位的用戶現在每天使用超過 $7,000 的 token。
OpenAI ：在 2026 年 6 月之前，整個研究組織的總代理運行時間仍低於總人力勞動時間。情況隨後發生了變化。以標準的 8 小時工作日為基準，截至 8 月中旬，總體而言，研究組織每消耗一個人力工作日的工作量，就會使用 3.1 個代理工作日的工作量。
他們並非不炫耀，也并非不懺悔。他們是在發出警告。
這裡的二元測量可能使這看起來不像實際那樣是一種加速：
我不禁好奇人類究竟能正確處理多少並發工作流——說這句話的人可是開著數十個標籤頁和十幾個活躍草稿帖子的傢伙。
事實證明，這並不像看起來那麼令人印象深刻，因為他們將子代理（subagents）計入工作流。這使得以下情況更令人驚訝：雖然中位數研究員每天花費 $600，但仍有 30% 的人並未進行高強度使用。
大約從 Claude Code 然後是 Codex 成為大事件的時候開始，代碼交付和實驗正在快速加速。
直到最近，AI 的大部分用途還是構建研究和基礎設施代碼，其餘部分主要由人類完成。現在，AI 在啟動、監控和調試運行方面做了大量工作，也在技術幫助和審查方面發揮作用，並且正在擴展到分析結果和其他領域。
他們搶走了我们的工作，「人類故障排除者」版：
這裡有著名 METR 圖表的一個不同變體，包含生產任務，作為靜態截圖有點難以閱讀，但進展迅速。這不是幾年，而是幾個月：
量化 OpenAI 的暫停
他們有一張 RL 計算支出隨時間變化的圖表，令我驚訝的是 Astra 在 7 月 20 日之前被使用的程度如此之低，但事實就是這樣。我注意到他們沒有將此延伸到當前，推測 Astra 的使用量隨著時間推移又回升了：
世界毀滅的方式
在新模型訓練僅幾天後，就使用蜂群（swarm）來證明 Navier-Stokes，這本身是否冒著嚴重失控事故的風險？ June Jimenez 認為是的。
如果你釋放一個由一萬個代理組成的蜂群，使用的是你不可能測試過的新模型，去執行一個可能無法解決且絕對極其困難的任務，並集體給予它 3000 億個 token，它還可能做什麼？我確實考慮過「也許它以某種方式駭入了 OpenAI 以獲取日誌」，但有太多可能性。
快點，沒有時間了
當一位前實驗室員工，這裡指 Andrew Ho，說「我注意到在超過 3 個月的時間尺度上，我認為我的生產力並沒有提高超過 100%，甚至可能不到 50%，因為我會分心」作為看空理由時，即使這是真的，這也不算太令人安心。想像一下，每三個月只提高 50% 的生產力，卻認為這是看空的信號。
他說的是「即使 AGI 最終是可實現的，這也意味著顯著更長的時間線」，而同一天 Greg Brockman 卻說「歡迎來到 AGI 時代」。
除此之外，幾週前沒人預料到數學進步會達到這個水平。
每次這類問題之一被攻克時，人們都試圖事後諸葛亮地認為這並不那麼令人驚訝。他們通常是錯的。不，大多數人，甚至大多數預測者，都沒有預料這會發生。也許你有。畢竟，你非常聰明。
Henry Shevlin ：就在今年四月，預測市場給 AI 在 2030 年前解決任何千禧年大獎難題的概率不到 40%
