周六难得有整块时间，思考和梳理下梁文锋提到的：持续学习。
梁文锋把持续学习摆在 Agent 之后的下一级台阶；Karpathy 三月开源的 autoresearch——一个 agent 自己改训练代码、自己跑实验、自己决定留不留改动的小循环。一个讲述了判断，一个做了实践。
这两条线索放一起看，加上这段时间做 agent 的体感，慢慢沉淀出几个判断。这篇讲四件事：
- 梁文锋和 Karpathy 各自说了 / 做了什么，以及我认为真正关键的点在哪
- 持续学习技术上到底怎么落——我理出的四层路径
- 一个更根本的问题：AGI 到底是模型，还是 agent？
- 与其争论时间表，不如要一把尺子——智能 Q 值，以及为什么我认为它比任何预言都有用
先说结论：AGI 不是造出来的，是点着的。模型是燃料，agent 是火苗，持续学习是氧气。 下面展开。
1. 梁文锋的判断：AI 不缺品位，缺的是持续学习
实录里我认为最关键的是三句话。
第一句：“如果说你能够把一个问题描述得很清楚，给它完整的上下文和指令，它已经超过人类了。”注意这句话的前提——是人类替它完成了本该由它自己完成的学习。上下文和指令是谁准备的？人。
第二句：“AI 并不能替代你的员工。但如果 AI 具有持续学习的能力，它跟你的员工一样，到公司学习两个月，那么就可以替代天下的人了。”这句说透了一个事实：一个员工的价值不在入职第一天会什么，在第三个月他懂了公司黑话、客户脾气、代码库里哪块不能碰。这种价值来自经验向能力的持续转化，而这恰好是当前 AI 在架构上被禁止做的事。
第三句：“AI 现在不缺品位和直觉，它缺的是持续学习的能力。”他后面还补了个例子——“你让它写个文章，它的品位和直觉，我觉得没有什么问题。”
这里要说清楚：他讲的是品位和直觉这一面，不是断言 AI 在所有维度上都够用了。但恰恰是这个边界让判断更有意思——如果连品位这种最像“天赋”的东西模型都不缺，那“记不住”就是我认为的最大瓶颈。 我并没有排除长程规划、可靠性、样本效率这些候选，只是认为记忆这一条杠杆最长：它一旦解开，其余几条大概率会被顺带解开。
我很认同这个诊断。做 agent 的人应该都有体感——模型的单点能力早就够用了，真正卡住的是：“今天教会它的东西，明天它全忘了”。
2. Karpathy 的实践：第一次看到火苗自己烧
Karpathy 做 autoresearch 的起因很朴素：他手工打磨 nanochat（他自己那套完整的 LLM 训练管线）已经好几个月，考核指标是“训练到 GPT-2 质量要多久”。某天他问自己——这事为什么不让 agent 干？
于是他给了 agent 三样东西：一个允许修改的训练文件（只有 train.py）、一个定义“更好”的指标（val_bpb，越低越好）、一个限时循环（每次实验严格 5 分钟墙钟）。agent 改代码，跑实验，看指标，变好就留、变差就回滚，重复。跑了两天、约 700 次实验，找到约 20 个可叠加的改进，把“训练到 GPT-2 质量”的时间从 2.02 小时压到 1.80 小时——提速 11%。三月初他把它开源成单 GPU、约 630 行的极简仓库。
后面的事比这 11% 更能说明问题。两周内它拿到约 48,000 star、6,700 fork；autoresearch 跑出的成绩在 nanochat 榜单上排到第 5，超过了 Karpathy 本人此前所有手工提交。而且 agent 做的不只是调参：它试过重排 QK Norm 与 RoPE 的顺序这类架构级改动，还揪出了 QK-Norm 实现里少一个标量乘子的 bug——那个 bug Karpathy 自己漏了好几个月。Shopify 的 Tobi Lütke 拿它在自家数据上跑了一夜，37 次实验换来 19% 的提升。媒体后来管这套东西叫 Karpathy Loop。
两个半月后，他加入 Anthropic 的预训练团队，任务是组建一个“用 Claude 加速预训练研究”的团队。这个去向本身就是信号，后面会说到。
我的看法是，这件事的意义不在那 11%，在于循环里没有人。指标自动评判，改进自动累积，人只在开始时定了规则。那个漏了几个月的 bug 尤其说明问题：不是 agent 比 Karpathy 聪明，而是它不知疲倦地把每一种可能都试了一遍——而人会跳过自己认定“不可能有问题”的地方。这是我第一次看到一个（很小的）封闭系统里，火是自己烧起来的。
但要说清楚一点，很多解读把这个当成“模型在自我进化”——不对。agent 改的是训练代码，不是自己的权重。自我迭代发生在研究层，不在权重层。这个区分是理解整个技术图景的钥匙。
3. 我的核心判断：现在的后训练不是学习，是转世
要讲持续学习怎么实现，先得直视当前范式的根本尴尬：我们训练出的每一个模型，都是出厂即定型的快照。
训练结束那一刻，模型的直觉、品位、知识全部冻结在权重里。之后它经历几百万次对话、被指出多少次错误——这些经验不会实时进入权重，它们最多被攒下来，等下一次回炉。第二天它还是昨天那个它。我们唯一的补救是后训练：攒一批数据，回炉，发个新快照。
这不是学习，这是转世。 新版本和老版本之间没有连续的“我”，只有一次数据意义上的投胎。
说清楚一点：我指的是不带经验流的回炉——喂进去的是通用语料，不是这个模型自己跑出来的轨迹。同样是回炉，如果消化的是它自己的经验，性质就变了，那是后面要讲的第 2 层。
为什么不让权重在线更新？不是没人想，是三座大山：
- 灾难性遗忘——学新的会覆盖旧的，学会你公司的黑话，可能忘了微积分
- 对齐漂移——权重在线变，模型的安全性和价值观就处在不受控的连续漂移里
- 成本——给亿级用户各自维护一份持续演化的权重，存储和推理都不现实
于是整个行业退而求其次，搞出了一堆“绕开权重”的学习替代品。有意思的是，这些替代品叠起来，恰好是一条通往真正持续学习的阶梯。
4. 四层路径：持续学习技术上怎么落
我把目前所有能叫“持续学习”的东西按深度分了四层：
层级 机制 权重动不动 时间尺度 代表 第 1 层：上下文级 memory 文件、技能库、检索 不动 分钟级 各家 agent memory、Karpathy 的 LLM Wiki 第 2 层：经验飞轮级 部署轨迹回收 → 筛选打分 → 定期回炉后训练 按版本动 月级 各前沿实验室的主战场 第 3 层：自生成课程级 模型给自己出题，对抗共生，自产训练信号 动 持续 Agent0、AlphaGo 自我博弈的迁移 第 4 层：元研究级 agent 改进训练方法与底层算法 改的是“造模型的机器” 一次惠及所有后续模型 Karpathy Loop、AlphaEvolve
（说明一句：按层级拆解递归自我改进这个做法不是我首创，Weco AI 之前发过一个四级框架。但两套的分级轴不一样：他们按改进速率分——比人类快不快、回报会不会复利；我按改进机制分——权重动不动、经验多久沉淀一次。两根轴基本正交，同一个系统可以既落在他们的 Level 1，又落在我的第 2 层。我用机制来分，是因为对做 agent 的人来说，这才决定你今天能动手做哪一层。）
逐层说几句我的理解。
第 1 层是今天所有 agent “持续学习”的真相：权重纹丝不动，经验以文字形式存在外面，下次开始前读回上下文。优点是即时、可审计、可回滚；局限也是本质性的——知识永远停在“看得见”的层面，进不了直觉。就像一个人永远靠翻笔记本干活，笔记再厚也不等于内化。
这一层的天花板我自己撞过。之前做设计品味 skill 时，我把规则从零堆到一千三百行，加了二十多条封禁和十几条带判决出处的台账，同一个引擎、同一批题跑了七轮——人类终审的记分牌是零张无保留的“好”；后来加了 A/B 对照，带全套规则的产出和裸模型基本打平。规则能防止变丑，但产生不了美。 上一篇聊 harness 时我说 agent 能力靠结构约束，这层是同一个思路的另一面：结构能约束行为，但结构给不了成长。
第 2 层是当下真正的主战场。用离散的版本迭代模拟连续成长，把在线学习的失控风险换成可控的迭代周期。我觉得这层的胜负手不在算力，在三个不起眼的组件：经验筛选器（垃圾轨迹回灌会让模型变笨，信噪比就是成长天花板）、防遗忘的重放（新经验混旧数据一起消化）、对齐锚点（每轮迭代后重测安全基线）。
梁文锋说 DeepSeek “有一半的核心研究员，最重要的人，有一半在标数据”——听着朴素，实际上他们就是在人肉充当这个飞轮里最贵的零件：筛选器。他给的理由也很实在：高质量数据标注的成本撑不住，而且中国标数据并没有成本优势，“标数据实在太贵了”。这一点很关键：筛选器降不下来不是技术问题，是经济问题。 记住它，后面讲 Q 值要用。
第 3 层解决的是燃料从哪来。飞轮的经验终究来自人类世界的任务分布，而人类数据有尽头。第 3 层让模型自己造训练信号：同一个基座派生两个 agent，一个出越来越难的题，一个借工具去解，解题成败自动生成奖励。本质是 AlphaGo 自我博弈往通用推理的迁移——围棋规则曾经是免费裁判，现在代码跑不跑得通、证明验不验证得过，这些“可验证性”就是新裁判。裁判在，人就能退出出题环节。
但要说清楚：第 3 层自动化掉的，正是第 2 层那个最贵的零件——筛选器。人类投入没有消失，而是从“逐条标注”上移成“设计评价器”，从边际成本变成固定成本。这也正是它最脆的地方：没有外部锚点的自产信号很容易被钻空子（Goodhart、reward hacking、自我强化偏差），所以第 3 层今天只在代码、数学这些“裁判便宜且可信”的领域真正跑得通。
第 4 层杠杆最大。它改进的不是某个模型，是训练方法和底层算法本身——优化器、数据配比、内核实现。一次发现惠及之后所有模型，改的不是产品，是生产线。Karpathy Loop 就在这层；AlphaEvolve 也在，它优化的是训练所依赖的算法与内核，其中包括加速了驱动它自己那个模型的训练——这个自指环节比任何论证都直观。这也正好落在梁文锋那句“AI 可以加速 AI 的研究……所以它到后面可能是非线性的”上。
我的判断：真正的持续学习不会是某一层的独舞，是四层同时收紧、互相咬合。第 1 层管分钟级适应，第 2 层管月级成长，第 3 层管燃料，第 4 层加速一切。
5. AGI 到底是模型，还是 agent？
四层铺完，可以回答这个问题了。圈内吵“模型公司 vs agent 公司”吵了很久，我的看法是：都不是。AGI 是那个闭环本身。
先说清这是个提案，不是断言：我主张把 AGI 的分析单元从“模型”换成“闭环”。换了单元之后，很多争论会自动消失。
用一个我觉得很精确的类比：
- 模型权重 ≈ 大脑的突触连接
- agent ≈ 一个人清醒时的行为
- 持续学习 ≈ 睡眠中的记忆固化——白天的经验在夜里被筛选、重放、写进长期记忆
问“AGI 是模型还是 agent”，等于问“人是他的大脑还是他的行为”。这个问题今天之所以显得成立，恰恰因为循环是断开的：模型是冻结快照，agent 是套在快照外面的运行时，经验流进上下文，却永远沉不进权重。
循环一旦闭合，边界就消解了。agent 是模型的清醒态，训练是模型的睡眠态。每次版本发布不再是转世，而是一次醒来。到那时你指着系统任何一个瞬间问“这是模型还是 agent”，就像指着一个跑步的人问“这是大脑还是腿”。
这个视角也不完全是我的发明。梁文锋讲奇点时说的是：“当这个模型能够持续学习之后……它就能够自己开发自己的版本，能够自己再研究，然后开发自己的下一个版本。”这句话描述的本身就是一个闭环——他定义奇点的方式，已经预设了 AGI 不是一个快照，而是一台能自己转起来的机器。 我只是把这层意思挑明。
所以我认为 AGI 的最小完整单元是四件东西的闭合，缺一不可：
权重（冻结的能力）+ harness（执行的躯体）+ 经验流（持续的养料）+ 更新机制（消化的肠胃）
缺权重，没直觉；缺 harness，碰不到世界；缺经验流，没燃料；缺更新机制，一切经验过眼云烟。上一篇我说“做 agent 做的其实是 harness”——放在这个框架里，harness 只是四分之一。做模型的和做 agent 的，争的是同一个有机体的不同器官，而器官不能独活。
这个提案还有个可检验的推论：取相邻两代的基座模型、行业里真实存在的两套经验闭环，固定同一套评测集，给一年窗口——如果闭环是主导变量，那么“同基座 + 不同闭环”的能力差距，应该大于“不同基座 + 同闭环”的差距。 如果结果反过来，说明这一阶段基座仍然主导，我这个提案就该降级成“闭环是第二杠杆”。
这也解释了 Karpathy 的去向：他去 Anthropic 不是训一个更大的模型，是用 Claude 加速预训练研究。赌注押在闭环上，不是押在快照上。 我觉得这个信号比任何论文都清楚。
6. 与其争论时间表，不如要一把尺子
从“当前 agent”进化到“持续学习的 AGI”，这个过程该怎么描述？
我一开始想给它起个名字，后来查了一圈发现：这活儿早有人干过，而且不止一拨。takeoff（起飞）是 AI 加速讨论里的老词；ignition（点火）是这两年才新造的——Chojecki 用它指“agent 能自主把算力转化为能力增益、不需要人类介入”，Weco 把它当作递归自我改进四级框架里的 Level 2。再往前追，Yudkowsky 在《Intelligence Explosion Microeconomics》里直接借了核裂变的临界系数 k > 1（不过他自己在脚注里声明那不算类比论证，只是“从一个简单过程起步”）。
所以我放弃了造词，转而觉得更有用的东西不是名字，是一把能逐年读数的尺子。
聚变领域有个全世界都听得懂的里程碑：Q > 1——聚变产出的能量第一次超过注入的能量。
但这里有个常被误传的细节，而且它对后面的比喻很重要：Q > 1 并不等于自持。 Q = 1 时撤掉外部加热，等离子体照样会冷却熄灭——因为 D-T 反应约八成的能量被中子带走，留不在等离子体里自加热。自加热要到 Q ≈ 5 才追平外部加热；真正的“点火”是外部加热降为零，对应 Q → ∞。从“净产出”到“自持”，中间还隔着好几倍。
我想借的不是那个词，是它背后那个比值。定义智能 Q 值：
Q = 系统自产经验带来的能力提升 ÷ 人类投入带来的能力提升
分子是系统自己烧出来的，分母是人喂进去的。这个定义的好处是它可以被拆到具体项目上估算，而不是一个只能站队的哲学立场。
但有个陷阱得先堵上：人类什么都不做，分母也会变小。 所以 Q 只在总能力仍在提升的前提下才有意义——停滞系统的 Q 可以很好看，但那不叫点火，那叫熄火。巧的是聚变里也一样：Q = 1 时撤掉外部加热，火同样会灭。
用这把尺子回看，一切各就各位：
- 今天全行业处在 Q < 1 的引燃期。DeepSeek 一半核心研究员在标数据，各家最贵的开销是人类专家的判断力。而且如前面所说，这不是不想降，是降不下来——高质量标注太贵，筛选器是个经济问题。人类还在一根一根擦火柴。
- 四层路径本质上是四条推高 Q 值的路：第 1 层让经验不蒸发（分母不变，分子微增），第 2 层让经验进权重（分子开始有实质增长），第 3 层让系统自造燃料（人类的边际贡献首次可以趋零——机制设计是一次性成本，跑起来之后每多一轮不再需要人），第 4 层让系统改进燃烧方式（分子指数化）。
- Karpathy Loop 的意义，是第一次在“改进 AI 训练方法”这种开放任务上看到 Q > 1。 AlphaZero 早就在围棋这种规则封闭的领域做到过，但那里有天然裁判；autoresearch 的裁判只是一个可以被任意修改的训练脚本和一条验证指标，这更接近真实研究的样子。火很小，炉子也很小，但它是自己烧的。
顺着这把尺子，通往 AGI 的路也有了刻度，而且不需要任何神秘主义：引燃期（Q < 1，人类反复擦火柴）→ 净产出（Q > 1，系统自产的增益第一次超过人喂进去的，但这时候人一撤，火还是会灭）→ 自持（人类投入的边际贡献趋零，对应聚变里的点火）→ 蔓延（从代码、数学这些可验证领域扩散到一切智能任务）。
梁文锋自己给的时间表是三段：先解决持续学习，再到能自我迭代的奇点，最后才是具身智能——“到具身智能之后，它就走进现实世界”。我这把尺子只覆盖前两段，第三段是另一个问题：Q 值衡量的是智能自持，不衡量它有没有身体。
还有一点我特别想说。梁文锋在实录里讲：“这个奇点，它并不是一个奇点，它也是一个渐进的过程……它不是个突变。”我非常认同，而 Q 值这把尺子恰好天然带着这个纠正——聚变点火不是爆炸，是从“打一下亮一下”到“持续燃烧”的渐变。Q 从 0.3 爬到 0.7，爬到 0.98，越过 1.0，再往 2、往 10 走。不会有哪个清晨汽笛长鸣宣告 AGI 降临；只是某年回头看报表，发现人类贡献的占比，从大头变成了零头。奇点不是一声巨响，是一条缓缓越过 1 的曲线。
我也知道这把尺子现在没法严格测量——“能力提升”怎么量化、分子分母怎么归因，都是硬问题。
但一个能吵起来的粗糙指标，好过一个只能各说各话的时间表。至少它让“我们离 AGI 还有多远”这个问题，变成了“这个系统今年的 Q 是多少”。
7. 写在最后
把整篇收个口。
梁文锋做减法——只做 AGI 主线，视频生成再火也不做，因为“跟智能的路线图是没有什么关系的”。Karpathy 做除法——手调几个月脚本，然后把自己从循环里删掉了。两种克制，同一个方向：让系统自己长，比替系统长，更接近智能的本质。
对我们做 agent 的人，这件事有一个很实际的推论：今天写的每一个 memory 机制、每一条轨迹回收管道、每一个自动评测循环，放在 Q 值的框架里看，都不是产品功能——memory 和轨迹回收在给分子接管道，自动评测在替人类做筛选、往下压分母，方向是同一个。harness 决定 agent 今天能不能跑稳，经验闭环决定它明天能不能变强——前者是结构问题，后者是成长问题，两个都得做。
人类在这场进程里的角色也在换岗：从燃料搬运工（标数据、调参），到炉子设计者（搭 harness、定奖励、设锚点），最终到看火的人——决定哪些火该烧、烧到哪为止。第三个角色最安静，我觉得也最重要。因为点火之后，比“火能烧多旺”更值得回答的问题是：我们希望它照亮什么。
这套思考谈不上完整，也谈不上完全正确——Q 值怎么严格度量、四层之间的耦合顺序、自持会先发生在哪个领域，这些我都没有确定答案。这篇也是分母。而分母的终点，是不再需要分母。