State of AI 2026 发布：前沿成三强争霸,推理成本年降约13倍

Nathan Benaich (Air Street) · rss · 2026-10-08

Air Street Capital 的 Nathan Benaich 发布第 9 年度 State of AI Report,核心要点:

前沿格局:变成 Anthropic、OpenAI、Google 三家竞赛。Anthropic 领先 Artificial Analysis 智能指数,Google 在 Arena 人类偏好榜居首。
能力不均与工具红利:基准几个月内逼近天花板,需要新评测;能力代际间波动大(如 Opus 4.6 好、Opus 5 倒退)。同一 GLM-5.1 在 100 道 SWE-bench Verified 题上仅靠改进工具、上下文与反馈,成功率从 52.5% 升至 65.5%。
Agent 采用:OpenAI 研究显示 agent 增长最快的是法律、销售、招聘、营销等非开发者群体;作者称差距主要在"会用",呼吁建立 AI 版 Genius Bar。
AI 做研究:Anthropic 内部统计中,Claude 参与 8 月 26% 的模型研发工作(2 月不足 1%);Karpathy 的 autoresearch 让自动实验循环初步落地,但完全自主的递归自我改进仍未证实。下一个期待是 agent 学会"科学品味"。
机器人 GPT-2 时刻:Skild S1 用 10 万小时视频预训练,在未见任务上累计成功率 66%(基线 9%);Wayve GAIA-4、Odyssey-3 等世界模型让少量演示即可学会控制与从失误恢复。
AI for Science:Epoch 收录的开放数学问题已有 9 个被解(4 个自主、5 个人机协作);AI 药物研发进入后期临床(Generate 的 GB-0895、Insilico 的 rentosertib 均入 III 期),药企开始以数据授权/虚拟细胞模型等新商业模式合作。
推理经济:Epoch 估算 2023 年以来达到固定分数的成本每季降约 47%,每年约便宜 13 倍,agent 反复调用模型正制造持续推理需求。

「漫话AGI」频道最新