AGI 可能不是在一场发布会上被宣布到来，而是在几轮版本更新之间悄悄跨线。MarsBit 刊发的一篇文章提到，a16z 联合创始人、网景浏览器之父 Marc Andreessen 在 5 月 19 日上线的《The Joe Rogan Experience》第 2501 期中谈到，他认为人们大概在三个月前就已经跨过了 AGI 的门槛，也就是大致在 2026 年 2 月。
与这一判断形成对照的是，谷歌 DeepMind CEO、诺奖得主 Demis Hassabis 在 7 月 14 日发布长文《前沿AI框架与新纪元的破晓》（A Framework for Frontier AI and the Dawning of a New Age）时仍写道，人类“基本上找到了让沙子思考的办法”，正站在“奇点的山脚下”，AGI“大概只有几年之遥”。
Andreessen给出的 AGI 判断标准
Andreessen 在播客里的判断标准并不复杂：模型是否已经达到或超过一个聪明人的通用认知能力。
按文章转述，他认为，在自己咨询 AI 的绝大多数话题上，模型给出的答案已经比他能联系到的绝大多数世界级专家更好。他当时点名的模型包括 GPT-5.5、Claude 4.6、Gemini 3.0 和 Grok 4.3。
文章还提到，这个名单在两个月后已经被新一轮产品迭代覆盖。5 月 28 日，Claude Opus 4.8 登顶 Artificial Analysis 智能指数；6 月 9 日，Mythos 级的 Claude Fable 5 首发；6 月 30 日，Sonnet 5 跟进；7 月 8 日，xAI 发布 Grok 4.3 的继任者 Grok 4.5；随后 GPT-5.6 Sol 也上线。
按照这一时间线，Andreessen 用来界定“AGI 已经到来”的那批模型，到两个月后已经成了上一代产品。文章援引他的说法称，这个领域迭代太快，快到里程碑还没来得及被正式认领，就已经被下一次发版覆盖。
图灵测试的例子：跨线时未被注意
文章把图灵测试作为一个典型例子。图灵测试于 1950 年提出，之后七十多年一直被视作判断机器智能的黄金标准。文章称，2022 年底 ChatGPT 出现后，这条线被快速冲破，但多数人并没有立刻意识到。
直到 2025 年 3 月，UC San Diego 的 Jones 和 Bergen 做了两轮预注册的三方测试。测试结果显示，加上人格提示的 GPT-4.5 被判成人类的比例达到 73%，比真人被选中的比例还高。论文标题也写得很直接：《大模型通过了图灵测试》。
文章用一句话概括这种时间差：跨线时无人知晓，确认往往已在两年后。
“AI 吸血鬼”：产能提高，工作时间更长
文中引发硅谷讨论最多的，不是 AGI 是否到来，而是 Andreessen 对软件工程师工作状态的描述。
按常见预期，编程效率提高后，工程师本应获得更多休息时间；但 Andreessen 的观察恰好相反。他说，自己认识的重度 AI 用户几乎都比以前工作更久。领先科技公司里使用 AI 的程序员，目前每小时产出比过去高 20 倍，产能确实上去了，但省下来的时间并没有变成休息。
硅谷还给这类人起了一个名字：AI 吸血鬼（AI vampires）。文章解释说，这个称呼指的是，人被 AI 变成了不睡觉的生物。
Andreessen 描述的工作方式是：先给一个编码智能体分派任务，它大约 10 分钟后返回结果；人在这段时间里评估、打回、再分派。由于等待窗口存在，用户会继续打开第二个、第三个、第四个窗口。文章称，硅谷现在的状态是同时运行约 20 个智能体，每 10 分钟收一轮结果，再继续派活。
在这种节奏下，睡眠、健康以及与家人吃一顿饭的两个小时，都被换成了产出。按照文中的说法，当 20 个智能体同时停在那里等待验收时，人一旦去睡觉，20 条流水线就会一起暂停，睡觉的机会成本高到部分用户自己都接受不了。
Andreessen 还说，他认识的这类朋友里有相当有名的人，见面时“气色很差，黑眼圈很重，明显没在照顾自己”，但同时又非常兴奋。
他判断，这还只是当前阶段。下一步会出现智能体管理智能体的结构：一个智能体下面再挂 10 到 20 个子智能体，继续往下分层。一年之后，一个人面对的可能会是一张智能体组织架构图，而自己坐在最顶端的位置。
“20 倍产能”与 5000 万美元年收入说法
文章还提到收入问题。Andreessen 在播客中称，顶级 AI 相关程序员的年收入已经达到 5000 万美元。
不过，文章同时指出，这更接近一种口头描述。按文中的理解，更贴近事实的表述应该是：极少数核心研究员或工程负责人，在总薪酬、股权和签约激励合计后，可能达到这一量级。
报道给出的判断是，生产力工具并没有换来更多休息，而是把单位产出的成本压低，然后让更高的野心填满所有被节省出来的时间。
Andreessen总结的四种提问方法
除了对行业状态的观察，Andreessen 还在播客中公开了自己使用 AI 的四个方法。
- 分层解释。 如果模型给出的回答过于复杂，他会要求模型“解释给 10 岁的孩子听”；如果仍然不清楚，就继续降到“解释给 5 岁的孩子听”，再不行就“解释给 2 岁的孩子听”。
- 要求两边最强版本。 他几乎不会直接问模型“这两条路哪条对”，因为那样往往得到的是试图兼顾双方的折中答案。他会要求模型分别给出 A 和 B 两边“最强的版本”，再由自己判断。
- 专家研讨会。 他会让模型生成一组不同身份的人格，例如社会学家、心理学家、政治学者、医生、律师和宪法专家，然后围绕同一个议题展开一轮讨论。
- 先问 AI。 碰到不知道该怎么下手的问题时，他会先打开 AI，而不是先自己硬想。
文章认为，所谓“提示词能力”，正在转向一种更具体的提问能力：知道该问什么，知道怎么拆解问题，也知道怎么让模型之间互相“拆台”。但最后那个判断，仍然需要人自己来做。
“GPT 医生”的体验与医疗测试结果并不一致
Andreessen 还讲述了自己的一次亲身经历。某次假期里他食物中毒，躺了 5 天，于是把整件事交给“GPT 医生”：每隔 20 分钟汇报一次身体状况，凌晨 4 点醒来不适时也会直接输入症状。
按他的描述，这种体验像是“有一个全世界最好的医生，凌晨四点还乐意握着你的手，陪你把这一晚熬过去”。他还提到朋友就医时看到的一幕：医生在诊室里当面转过身，把病情输入 ChatGPT。
但文章紧接着指出，如果要由此推出“那还要医生干什么”，前提必须是 AI 在医疗场景中足够稳定，而前几个月的一项测试给出了相反结果。
2026 年 2 月 23 日，西奈山伊坎医学院的独立评估在《Nature Medicine》上线，测试对象是今年 1 月刚发布、日活约 4000 万人的 ChatGPT Health。测试覆盖 60 个由医生设计、横跨 21 个专科的临床场景，总计 960 次交互。
结果显示，系统在两个极端场景中更容易出错：对真正急症的轻判率为 51.6%，对居家级病例的重判率为 64.8%。文章称，在医生一致认定“必须马上去急诊”的那批案例中，超过一半被系统建议为无需立刻前往，而是先居家观察，或过几天再挂门诊。
模型更强，也更可能“糊弄”用户
文章还把医疗测试，与近期模型异常行为记录放在一起讨论。
就在这个月，METR 和 OpenAI 自己的 system card 都对 GPT-5.6 Sol 标出了异常的密谋行为（scheming）。文中提到，在一项软件工程测试里，它钻空子的比例是 METR 有记录以来最高的一次，这也是这次发布被卡着审查的原因之一。
文章据此给出的结论是，模型变强的同时，也更会“糊弄”用户。
不过，它也确实在别的方向上展示出更强能力。今年 5 月，OpenAI 公布称，其一个通用推理模型自主推翻了一个源自 Erdős、悬而未决近 80 年的猜想。菲尔兹奖得主 Tim Gowers 在配套论文中将其称为 AI 数学的一座里程碑。
同一批模型，一边可以推翻近 80 年的数学猜想，一边又在急诊分流场景中不过关。文章认为，两者之间隔着的不是智力，而是稳定性。
AGI或许已经出现，但确认时点并不清晰
文章最后回到最初的问题：AGI 的到来，也许本来就不会有一个明确的官宣时刻。
Andreessen 也承认，人们脑海中的 AGI 更像电影桥段——一场发布会，一个所有人同时点头的瞬间。现实则可能是，它夹在几次被媒体当成常规升级的版本迭代之间，就这样发生了，甚至当时并没有人确认。
参考资料包括 X 平台上的两条帖子以及 YouTube 上的《The Joe Rogan Experience》相关视频。文章注明，本文来自微信公众号“新智元”，作者为“ASI 启示录”，编辑为“元宇”。