AGI前夜的突破：AI编程智能体跨越记忆门槛，2030年或可管理小型企业

2025年即将画上句号，真正的强者竟悄然蛰伏于「民间」！

并非谷歌、也非OpenAI，而是Anthropic的王牌编程模型——Claude Opus 4.5。

METR最新发布的报告显示，Claude Opus 4.5已能实现「长达5小时不中断」的自主持续编程。

即便是OpenAI号称最强的编程模型——GPT-5.1-Codex-Max，在此项指标上也不得不甘拜下风。

如今，整个技术社区都为Claude Opus 4.5展现出的编码实力所震撼。

AI编程智能体能处理的任务时长不仅呈现出指数级跃升——其增速更在持续加快！

2019-2024年：任务时长平均每7个月翻一番

2024-2025年：任务时长平均每4个月翻一番

初次目睹这条曲线时，许多人本能地摇头否定。

有人难以理解，有人拒绝接纳。

但不可否认的事实愈发清晰：AI编程智能体能连贯完成的任务时长，正从「分钟级」跨向「小时级」，且加速度仍在提升。

有网友直言，这是关于AI发展最重要的图表：

这张图为何被冠以「最重要的图表」？

因为它直面了一个核心议题：

AI的发展是否已触及天花板？AGI会否沦为又一个乌托邦？2025年，AI究竟取得了多少实质性进步？

普通用户感知甚微，实属正常。对多数人而言，模型早已轻松应对日常提问：

「推荐部电影」「解释这个概念」「写段文案」。

但真正的质变发生在另一条隐形战线：编码智能体。

而这恰恰是绝大多数人（包括记者与政策制定者）难以触及的维度。

这些进步看似细微，累积起来却意义深远。

2026年4月，首批AI智能体将具备独立完成一个完整人类工作日的能力；

2026年底，AI可胜任半周的工作负荷；

2027年底，AI能完成相当于两个月的任务量；

2028年底，AI可承担人类数月的持续性工作；

到2030年，AI甚至有望接管部分小型企业或组织的大部分管理职能。

AI指数级跃迁

智能体时代正式启幕

为更量化地比较AI与人类能力，今年3月METR提出了一项全新指标：50%任务完成时间跨度（即50%-task-completion time horizon）。

通俗地说，就是将AI视为新人雇员：交付一项任务，观测它达到「有50%概率成功完成」时，该任务对应的人类平均耗时究竟有多长。

GPT-5.1-Codex-Max如今已能顺利完成长达2小时53分钟的软件工程任务（成功率50%），能力较o1提升了4倍。

而Claude Opus 4.5的50%时间跨度约为4小时49分钟——这是迄今为止公开发布的最高纪录。

尽管Opus 4.5的50%时间跨度显著领先，但其80%时间跨度仅为27分钟，与以往模型相当，甚至低于GPT-5.1-Codex-Max的32分钟。

然而，Opus 4.5在50%与80%时间跨度之间的巨大落差，映射出其逻辑成功率曲线更为平缓，这意味着该模型在处理耗时更长的任务时具备差异化优势。

甚至已有观点认为，Claude Code已经足够接近通用人工智能的模糊边界。

最后这种说法或许略显夸张——但它却折射出某种不容忽视的现实。

2025年堪称AI讨论最为混沌的一年，实际进展与舆论焦点之间的断层从未如此深广。

但明年或将迎来转折——当编码智能体的影响力渗透至社会经济各个毛细血管时，人们终将直面它的威力。但愿届时，我们还能从容应对。

AGI步步逼近

记忆成为最后堡垒

智能体之所以能将任务执行时长不断拉长，并非偶然。

此前的普遍研究将其归因为四大因素：

推理能力跃升：善于将宏大任务拆解为可执行子任务

工具调用娴熟：能自主编写代码、检索网页、执行脚本

自纠错稳健：出错后能回滚、重试并持续推进

收益非递减：精度的微小提升，便可引发可完成任务跨度的剧增

例如，新一代模型能够更合理地规划子任务、调用外部工具（如代码编写、网页浏览），并在出错时自主修正，从而在长达数小时的任务链条中维持高成功率。

当然，在畅想光明前景时，我们仍需正视当下的局限。

一旦任务跨度从「小时级」迈向「工作日级」，新的挑战便会浮现：

上下文遗失：随着任务推进，早期交代的细节逐渐被遗忘

偏差累积：微小误差逐步放大，最终演变为系统性崩溃

目标漂移：执行过程中逐渐偏离初始目标

归根结底，这些问题都指向同一个症结：长期记忆。

记忆：通往AGI的最后天堑

AI几乎所有能力短板，最终都会追溯到记忆缺陷。

我们可以将当前的大模型类比为：一位极聪明、反应极快，但「下班即失忆」的新员工。

他能写代码、会推理、能撰写报告。 但对话一结束，他对自己的所作所为几乎毫无记忆。

目前多数智能体的「记忆」，主要依赖两种拼凑式方案：

强化检索工具：需要时主动搜索（如同在代码库里执行grep）

总结压缩塞入上下文：将过往内容提炼成摘要，再重新喂入模型

尽管信息检索技术已有长足进步，但即便最优秀的RAG（检索增强生成）系统，其准确率也仅在90%左右徘徊。

不断扩张的上下文窗口确实在一定程度上缓解了该问题：更大的窗口允许一次性输入更多数据，使模型能在庞大的记忆索引中高效「翻阅」。

但若想达到AGI级别的「细致入微」的记忆水平，仍然必须在底层架构上实现根本性突破。

更为棘手的问题是：至今没有任何系统真正具备了「自我学习」能力。

没有长期记忆，AI就无法像人类一样「越用越精」，无法从错误中吸取教训，更谈不上积淀「常识」与「智慧」。

仅仅「记住」远远不够，智能体必须能从过往经验中主动「学习」。

与智能体截然不同，人类大脑擅长将短期经历转化为长期记忆，并在日积月累中构建起知识网络和经验教训库。

AGI若想企及人类智能的广度与深度，同样亟需这样的记忆系统。

业界已逐渐形成共识：记忆是通用智能最后、也是最关键的一块拼图。

换言之，AI现有的「算力」与「智力」，或许已逼近AGI所需的阈值，唯一欠缺的正是人类所拥有的持久而丰富的记忆。

谁能率先破解「记忆难题」，谁就将在这场AGI军备竞赛中占据决定性先机。

明年的突破

长期被动记忆

当前智能体已具备极为强大的「搜索」能力，例如使用Cursor时，你会发现它几乎能从整个代码库中完美定位信息。

但它们依然依赖于「主动记忆」机制：智能体必须主动去「寻找」记忆，而非让记忆自然而然地融入其思维过程。

这显然远远不够。

一个能够执行文本搜索工具grep的智能体，并不等于拥有有效记忆的智能体。正如一台计算器并不等同于一位数学家。

为智能体配备一个「记忆搜索工具」并非治本之策。

那么，真正强大的AI记忆系统需要具备哪些特质？

真正的记忆，必须像人类一样，无需检索、直接知晓。

而目前的被动记忆机制仍十分原始，一旦任务复杂度稍有提升，便会迅速崩解，智能体再度退回到「全盘依赖搜索」的状态。

纽约通用智能公司创始人Andrew Pignanelli预测，未来12个月内AI行业将在「被动记忆系统」领域取得显著突破。

接下来的一年里，记忆系统（尤其是智能体的学习能力）将成为AI世界的核心议题，并被正式确立为通向AGI的最后一步。

OpenAI成功推出ChatGPT记忆功能后，Claude近期已跟进布局，其他各大模型公司也将纷纷打磨自家的记忆系统。

长期记忆工具的接入体验将得到质的提升，尤其伴随着上下文窗口的持续扩容；

「睡眠时间智能体」会在用户无感的情况下，默默阅读邮件、文件和表格，构建背景知识与个性化记忆；

「实时智能体」将在信息检索方面趋近完美，你的偏好、行文风格、行为习惯都会被快速融合。

短期内，自动注入上下文的方式尚不会完全自然，但为确保记忆检索的准确性，用户普遍会接受「响应稍慢」的现实。

然而，随着AI变得越来越「懂你」，你对AI的依赖也将日益加深。

在消费端，用户或许只会注意到「对话开始前略有卡顿」，却不知背后是一个庞大的记忆系统在悄然运转。

到今年年底，「上下文腐烂」问题（context rot）预计将被攻克，解决方案包括：

引入「遗忘机制」；

专为长程对话设计的上下文清理系统；

更先进的「上下文检索」技术（能从海量信息中精准抽取关键内容）

未来，用户将不再通过文件树导航信息，而是由AI智能体直接代为检索和访问所需数据。像Replit和Lovable这类代码生成平台已在此领域先行一步。

明年春天（2026年）极有可能出现由「新一代多模态大模型」与「注意力机制之外的记忆系统」结合催生的重大突破。

未来12个月内，「记忆+学习」领域很有可能迎来颠覆性进展。

OpenAI等领军团队正在全力攻关持续学习与自我记忆技术；一旦他们取得突破，并将其应用于顶级模型之上，我们或许会惊呼：AGI已然降临。

AGI曙光已现

综合当前的发展态势，完全可以断言：AGI已不再是遥不可及的科幻梦，而可能近在咫尺。

这一预判并非空穴来风。

回顾过去一年，我们曾多次低估AI进化的速度。

GPT-5发布之初虽评价褒贬不一，但其在长任务执行方面的提升幅度远超前代；Claude 4.5的惊艳亮相，更是证明了进步的非线性：一旦关键技术取得突破，能力曲线便会陡然跃升。

如今，网络上随处可见这样的案例：随着机器智能成为首要生产要素，新型组织形态正在涌现。

这是历史上首次，这一全新要素为我们提供了改进流程本身的思路。依托AI，微型团队竟能输出超越以往数十人甚至上百人团队的工作成果，尤其在特定软件领域，生产力增长令人瞠目。

这种爆发式的效能，很难不让人心潮澎湃。

这无异于某种意义上的「阿特拉斯卸下重担」的时刻，是智能生产力「起飞」的先兆。

与2023年那种诗意盎然的「AI觉醒叙事」相比，如今的这一切显得更平实、更务实，却更加撼动人心，更加真切可感。

倘若记忆问题得到根本性解决，AI能力或将迎来新一轮爆发。

届时，AI智能体将不再只是无休止重复劳作的「工具」，而会演变为越用越聪明、与你共同成长的「数字同事」。

它能记住你的偏好。

它能铭记你曾踩过的坑。

它能从项目中提炼经验。

然后在下次合作时，主动助你把效率再推高一个台阶。

这正是许多人心中对AGI在人类社会中角色的理想愿景。

参考资料：

https://www.oneusefulthing.org/p/real-ai-agents-and-real-work

https://www.generalintelligencecompany.com/writing/memory-is-the-last-problem-to-solve-to-reach-agi

https://www.shippingapps.dev/writings/memory-last-problem

https://x.com/tszzl/status/2002488418887168297