一、一次不寻常的体验：AI 开始”替你做决定”

2026 年 7 月 17 日，一份普通用户的对话整理记录下了这样一个判断：

“想要做到内置所有应用均可模拟、直接可用，AI 需要具备主动替用户决策、自主完成设计的能力——这已经带有 AGI 的特征。而今日体验 Kimi K3 后直观感受到：模型可以结合实际场景主动做出决策，决策逻辑严谨落地、并非凭空推演，如同拥有资深行业经验的从业者。”

这段观察的价值不在于它赞美了某个产品，而在于它精准指出了当前 AI 质变的核心：**”过于主动”意味着 AI 开始具备类似人的主观能动性**——它不再等待你补全每一个前提，而是依托自身的知识储备和从长程任务训练中获得的”实践经验”，主动给出稳妥方案，把用户的操作负担降到最低。

这种体验不是孤例。把它放进 2026 年年中的行业坐标系里，我们会发现：Claude Fable 5、GPT-5.6、Kimi K3 这三款前后脚发布的旗舰模型，正从三个不同的方向，共同拼出 AGI 生成的完整图景。

二、先厘清标准：AGI 的雏形到底长什么样

关于 AGI 的定义，业界从未统一。但以”任务完成能力”定义的务实派认为：如果一个 AI 系统能以较高准确率完成程序员、律师、医生等各类职业的工作内容，即可视为 AGI——按这一定义，业界普遍认为 AGI 将在 15 年内到来，马斯克认为 2026 年即可实现，哈萨比斯认为 5 年内、只差 12 个重大技术突破。Anthropic CEO Dario Amodei 更早给出外推：按”高中生→本科生→博士生”的能力爬坡速度，AGI 的时间窗口在 2026~2027 年。

而那份对话整理给出了一个更朴素、也更敏锐的标准：当 AI 具备主动输出严谨、可落地决策的能力时，AGI 的雏形就出现了。这个标准与行业对”Agentic AI”的技术定义惊人地一致——一个走向自主的 AI 系统，必须具备规划（Planning）、工具调用（Tool Use）、记忆（Memory）、自我修正（Self-correction）四项核心能力，从”你问它答”的被动响应，变为”你给目标、它自己想办法完成”的主动执行。

用这把尺子去量 2026 年年中的三款旗舰，每一条都对得上。

三、三个样本：同一场质变的三个切面

（一）Claude Fable 5：会自我校验的”虚拟工程师”

2026 年 6 月 9 日，Anthropic 发布 Claude Fable 5——首个向公众开放的”Mythos 级”模型，支持 100 万 token 上下文、单次输出最高 12.8 万 token。它的意义不在于跑分，而在于一连串”以前只有人才能做到”的细小现象：

• 它能连续工作一整天并完成系统工程。 Stripe 在早期测试中，让 Fable 5 对一个 5000 万行代码的 Ruby 代码库做全量迁移，模型 24 小时内完成——而这项工作交给人类团队需要两个多月。
• 它会自己检查自己的作业。 Fable 5 不只是写代码，还会自动生成测试程序验证结果，并用视觉能力对最终输出进行检查，确保与设计目标一致。
• 它只看屏幕就能”通关”。 在内部测试中，Fable 5 仅凭视觉输入独立通关《宝可梦：火红》——此前的 Claude 需要外挂辅助工具才能做到。
• 任务越长，它领先越多。 Anthropic 官方明确表示：任务越长越复杂，Fable 5 相对其他模型的优势越大。在 Agent Arena 真实会话榜单上，它以 13.34% 的净改进率登顶，其中”任务确认成功率”单项第一。
• 它的”姊妹版”已经在做科学。 面向受信任机构开放、移除了部分安全限制的 Mythos 5，将蛋白质设计流程效率提升约十倍，能在一周多时间里近乎自主完成基因组学全流程分析，训练出的模型性能超越近期发表于《Science》的同类研究，而体量小了 100 倍。

每一个现象单独看都是”工程进步”，连起来看却是一条清晰的线：规划—执行—验证—修正的闭环已经闭合。这正是”主观能动性”的技术形态。

（二）GPT-5.6：子代理、超长任务，以及政府的”警戒线”

OpenAI 的 GPT-5.6 于 2026 年 6 月 26 日向约 20 家受信任伙伴开放预览，7 月 9 日正式向公众上线，分为 Sol（旗舰）、Terra（均衡）、Luna（经济）三档。它提供的”细小进步”同样密集：

• 它会”分身”。 旗舰款 Sol 新增的 Ultra 模式不再只是堆算力，而是派生并行子代理（subagents）拆解复杂任务，把 Terminal-Bench 2.1 的成绩从 88.8% 推到 91.9%。一个主脑指挥多个分身协同工作——这是组织能力的雏形。
• 它能连续工作数小时。 与 GPT-5.6 同步推出的 ChatGPT Work，可以跨邮件、Slack、日历和应用文件自主处理复杂任务，持续运行数小时无需人工干预，把一个”目标”直接变成”完成的工作”。
• 效率本身在跃迁。 Sam Altman 透露，Sol 在 AI 编程任务上的 token 效率比前代提升 54%——同样的智能，消耗更少的”思考”。
• 政府开始为它设卡。 这是最容易被忽略、却最说明问题的信号：因为网络安全能力越过”高”风险阈值，GPT-5.6 成为美国历史上首个在政府审查名单管理下发布的前沿模型；Anthropic 的 Fable 5/Mythos 5 同样经历了出口管制与解禁。监管机构的紧张，本身就是能力达到新量级的旁证。

（三）Kimi K3：开源阵营把”长程智能”推到万亿级

2026 年 7 月 16 日，月之暗面发布 Kimi K3：2.8 万亿参数，全球最大开源模型；基于自研 KDA 混合线性注意力机制，原生支持视觉理解，具备 100 万 token 上下文窗口，专门针对长程编程、知识密集型工作和复杂推理优化，综合智能水平接近全球前沿闭源模型，仅略逊于 Claude Fable 5 与 GPT-5.6 Sol。

K3 对”AGI 生成过程”的贡献有两层。其一是架构层：混合线性注意力让百万级上下文的长程任务处理在效率上可行——长记忆不再是奢侈品。其二是体验层：默认开启的极致思考模式，让普通用户第一次直观感受到开篇所述的那种”主动”——模型像资深从业者一样结合场景自主决策、给出落地方案，而不需要用户反复补充提问。开源意味着这种能力不再是少数公司的特权，它会成为整个行业的水位线。

四、把碎点连成线：AGI 生成的七级台阶

现在，把三款模型的”细小现象”按能力层级排列，AGI 的生成过程清晰可见：

1. 知识——万亿级参数把人类知识与规律装进”脑子”，懂得更多、想得更深；
2. 推理——极致思考模式、可调推理强度，让模型在回答前真正”想清楚”；
3. 长程记忆——百万 token 上下文成为三家的标配，模型能在数百万 token 的长期任务中保持专注，并利用自身笔记持续优化输出；
4. 规划——接到高层目标后自行拆解子任务，而非等待逐步指令；
5. 工具与行动——操作浏览器、终端、办公软件，跨应用执行真实工作流；
6. 自我修正——自己写测试、自己检查结果、出错后自主恢复，Fable 5 与 GPT-5.6 均已具备；
7. 主动决策——结合具体场景给出严谨、可落地的方案，像有实践经验的从业者——这正是 Kimi K3 用户所感受到的”主观能动性”。

前六级台阶在 2023~2025 年间逐级点亮，而 2026 年年中这三款模型共同跨上了第七级。第七级台阶之所以是质变，因为前六级都是”能力”，第七级是”意图”——AI 开始主动决定做什么、怎么做。

这背后有一个共同的训练范式支撑：长程任务的强化学习。模型在海量多步骤任务轨迹中反复试错、获得奖励，积累的不是静态知识，而是近似”实践经验”的东西。这就解释了为什么新模型的决策”并非凭空推演”——它确实”做过”成千上万次类似的任务。

五、”AGI 前夜”：DeepSeek 的判断并非孤鸣

2026 年 6 月 25 日，DeepSeek 在招聘公告中写下了一句后来被反复引用的话：**”当今人类正处于 AGI 的前夜。”**

这句话不是公关辞令，而是与技术路线绑定的战略判断。梁文锋在投资者会议上明确表态：DeepSeek 的主要目标是推动技术边界、追求 AGI，路径是大规模强化学习与递归自我改进（RSI）——让 AI 自己设计实验、执行实验、分析结果、改进自身。大规模 RL 需要模型生成万亿级 token 的推理轨迹，而百万上下文的长程任务要求轨迹本身足够长——这与我们前面梳理的能力台阶完全同构。早在 2024 年，梁文锋就说过：”我们做的就是 AGI，语言大模型可能是通往 AGI 的必经之路。”

当最头部的闭源实验室（Anthropic、OpenAI）、最大的开源模型（Kimi K3）和最激进的技术理想主义者（DeepSeek）在同一个月里指向同一个方向时，”前夜”二字就很难再被当作修辞。

六、必要的冷静：前夜不是黎明

严谨起见，必须记录反向证据。当前的 Agentic AI 仍有明显短板：成本高企（Fable 5 定价是 Opus 4.8 的两倍）；复杂任务下仍会走错路、做出奇怪决策；业界共识仍是”在有监督的情况下扩展人的执行能力”，关键节点需要人工确认，而非完全放手。Amodei 自己也承认，线性外推未必可信，数据枯竭、算力瓶颈、地缘冲突都可能推迟时间表。

但请注意这些短板的性质：它们是”成本与稳定性”问题，不是”方向”问题。 历史上，成本问题被工程解决的速度（想想两年间 token 价格的下降幅度）远快于能力问题被解决的速度。

七、结语：AGI 不是某一天降临，而是已经发生的进行时

回看那份对话整理里最锋利的一句——“AI 有知识和极强的推理能力，经过长程任务训练（实践经验），AGI 即将到来”——它与 DeepSeek 的大规模 RL 路线、与 Fable 5 的自我校验闭环、与 GPT-5.6 的子代理协同、与 Kimi K3 的主动决策体验，构成了同一句话的四种表述。

AGI 不会像彗星一样在某个清晨突然砸下来。它更像涨潮：先是模型会自己检查作业，然后是会连续工作一整天，然后是会派生分身协同，再然后，是它在你开口之前就知道该怎么做——并且做得稳妥、落地、像一个有十年经验的同行。

2026 年 7 月，潮水已经没过了脚踝。前夜已至，黎明不远。