基模四杰齐聚清华论道AGI未来：姚顺雨贴脸开大引爆AI范式之争

每日AI快讯1周前发布 AI部落小助手

165 0 0

以下是根据您提供的原始文章，经过人工风格处理、SEO优化整理后的版本。

该版本在保留核心信息与技术深度的基础上，增强了可读性、逻辑结构，并更利于搜索引擎收录（如关键词布局、标题层级、语义丰富性等）。随后附上“

本文来源：

量子位【阅读原文】

# 每日AI快讯 # - SWE-bench得分超70分 # - 上下文长度突破100万Token # - 对普通用户而言 # - 推出Terminal-Bench等贴近真实开发流程的新评测体系；# - 支持119种语言及方言 # - 构建 Agent Scaffold 框架 # - 而对企业客户来说 # 。# “下一步的关键是让AI真正‘做事’。”# “大部分人其实不需要那么强的智能”；# “强者恒强”趋势愈发明显。即便价格高出数倍 # “更强的先验 = 更小的搜索空间 = 更高效的决策。”# “问我‘今天吃什么’# > “Agent的本质是一场搜索过程。”杨植麟指出 # > “DeepSeek的出现 # > “环境即上下文。”姚顺雨举例道 # # 基模四杰齐聚清华：AGI前沿峰会激辩AI未来 # ## 一、从Chat到Action：唐杰谈大模型的转折点 # ## 三、林俊旸：通义千问的全模态进化之路 # ## 二、杨植麟：提升Token效率 # ## 四、姚顺雨：分化时代 # ### ToC vs ToB：智能需求截然不同 # ### 垂直整合 ≠ 必胜法则 # ### 核心进展包括：# ### ✅ Long Context 能力 # ### ✅ Token Efficiency（标记效率）# 2025年 # 2025年成为GLM开源大年 # AI不仅是工具 # AI正逐步具备解决研究生级别问题的能力。# ChatGPT式的对话能力边际效用递减 # HLE（人类终极测试）等复杂评测表明 # Kimi推出全新线性注意力架构——kimi Linear。# Omni Talker支持多音色合成与定制化声音克隆 # Qwen-VL成功实现“不降智”的多模态理解 # ToB才是价值爆发点 # WordPress # 一场汇聚中国AI顶尖力量的思想盛宴 # 不仅揭示了当前技术的真实水位 # 为此 # 为解决MUON训练中常见的Logit爆炸问题 # 也勾勒出通往通用人工智能（AGI）的可能路线图。# 也能凭借优秀的工程设计赢得市场。# 今天来海淀算是‘客场作战’。”但他带来的Qwen3系列成果却毫不逊色。# 他也呼吁中国企业重视真实场景的数据积累。“大公司拥有天然优势：十万人的组织每天产生海量任务流 # 他坚信 # 他的核心观点鲜明而犀利：AI正在经历双重分化——ToC与ToB的分化 # 他认为 # 他还强调 # 代表阿里云出席的林俊旸坦言：“我是北大出身 # 以及突然“贴脸开大”的姚顺雨。他们围绕大模型演进路径、Agent革命、自主学习、中美竞争格局等议题展开激烈交锋 # 企业仍愿为顶级模型买单——因为失败成本更高。# 但在生产力场景中 # 但姚顺雨以“巨脸投影”方式登场 # 但我们不应因恐惧而止步。”# 但挑战依然存在：如何将专项能力反哺主干模型？如何应对冷启动下的策略固化风险？对此 # 作为最早投身知识图谱和图神经网络研究的学者之一 # 作者：Jay | 来源：量子位 QbitAI # 使千亿参数级KimiK2模型实现稳定收敛 # 值得一提的是 # 其GLM系列模型在SWE-bench等编程基准中表现突出。# 其中9B规模的AutoGLM在移动端展现出极高的交互响应速度。# 内部已达数百万级别；# 则展示了推理与生成的深度融合。# 即用更少的上下文Token达成同等甚至更强的理解与生成效果。这对长程任务尤为关键。# 发布日期：2026年1月11日 # 可在ECS环境中自动启停计算资源 # 同时在短序列与百万级上下文中超越标准Transformer性能 # 唐杰提出三大Scaling方向：# 唯有模拟人类认知双系统（系统一快速反应 + 系统一慢思考）# 因此 # 团队创新性地采用QK-Clip动态裁剪技术 # 团队引入周期性SFT校准机制 # 在OCR、印章识别、褶皱文档解析等场景表现出色。数学题辅助线生成、图像精准编辑等功能 # 在ToB市场 # 在中关村悄然上演。# 在他看来 # 垂直整合与分层解耦的分化。# 堪称2026年中国AI发展的风向标。# 大模型的能力已从“记忆”迈向“推理”# 如果说唐杰关注的是“做什么”# 实现任务级自动化。# 就意味着显著的成本节约或收入增长。# 尽管ChatGPT、豆包等产品实现了模型与应用的高度耦合 # 展望未来 # 并加入“睡眠式”无监督整合机制 # 并在2024年进入真实任务执行阶段。如今 # 并推动多任务联合优化。# 当前所有大模型的发展都基于一个第一性原理——Scaling Law。而未来的突破点在于两个维度的极致优化：# 影响了他近二十年的学术生涯。# 我们只需7.5T就能达到相同Loss水平。”# 才是Agent时代的胜负手 # 才能逼近真正的持续学习。# 接近实用化门槛；# 推理深度增强 # 数据与算力扩展 # 智谱选择了一条聚焦 Thinking + Coding + Agent 的融合路径。通过构建可验证强化学习环境（RLVR）# 更是工作记忆的体现。为此 # 更是文明的延伸。“它能帮助攻克癌症、能源危机、社会治理难题。尽管伴随风险 # 月之暗面推出了自研的 MUON二阶优化器 # 林俊旸特别提到一个来自开源社区的反馈案例：早期图像编辑存在像素偏移问题 # 标志着‘聊天’时代基本结束。”唐杰直言 # 每提升1%的任务完成率 # 涵盖语言、智能体、多模态在内的多个版本陆续开放 # 清华大学教授、智谱AI创始人唐杰回顾了自己的科研心路：“做研究要像喝咖啡一样上瘾。”这句来自杨强教授的话 # 由清华大学基础模型北京市重点实验室主办的 AGI-Next前沿峰会 # 相比传统Adam实现约两倍的训练效率提升。“相当于别人跑15T Token # 瞬间点燃全场气氛。# 端到端推理速度提升6–10倍。# 答案取决于天气、预算、口味偏好——这些外部信号比模型本身更重要。”# 经开发者指出后迅速迭代修复。“正是这种共建生态 # 结合SFT与全异步训练框架 # 而是期待AI能主动调用工具、完成闭环任务。# 自2023年起 # 自学习环境构建 # 致力于服务全球边缘群体；# 虽未能亲临现场 # 覆盖乌尔都语、东南亚小语种 # 视觉方面 # 让我们走得更快。”# 训练曲线平滑优美。# 该架构首次实现在线性复杂度下 # 语音领域 # 谁将定义下一个范式？# 超长上下文不仅是输入长度的延伸 # 越来越多的应用层公司（如Manus）证明：即使使用第三方模型 # 迈向自然人机对话。# 迎来了被称为“基模四杰”的四位关键人物——智谱AI唐杰、Kimi杨植麟、通义千问林俊旸 # 这场被业内称为“清华论剑”的闭门对话 # 通义千问完成从“通用模型”向“通才智能体”（Generalist Agent）的战略转型。这一转变源于对现实生产力需求的深刻洞察——用户不再满足于问答 # 那么Kimi创始人杨植麟则深入到了“怎么做”的底层架构层面。

© 版权声明

文章版权归作者所有，未经允许请勿转载。

相关文章

暂无评论

您必须登录才能参与评论！

暂无评论...