追踪 AI 能力进展,区分已验证结果、厂商主张与未来预测。每个结论都带证据强度、反方,以及什么事实会推翻它。
第一次来?先看怎么读 →代码有测试,验证快而便宜,最先被接手;物理世界的结果多半要上真机验证,又慢又贵,排在最后。验证成本不是唯一因素,数据多少、容错程度与部署门槛也影响先后——所以它是一条可以被推翻的假说,推翻条件写在判断页里。
Claude Fable 5.2 第一次把机器人控制写进发布页,第三方也测出 GPT-6 Astra 能直接当机器人策略;真机上的少样本学新任务交给了世界动作模型与 VLA,数字仍全是厂商自报。
大模型与 RSI 是引擎,把能力往前推;科研与物理世界是前沿,看推到了哪里。