AGI 的虛妄之影：一場戳破矽谷兆元神話的殘酷測試

楔子：迷霧中的狂言

夜幕低垂，矽谷的霓虹燈將天空染成了一種不安的紫紅色。在這座充滿演算法與金錢的城市裡，空氣中瀰漫著一種名為「狂熱」的危險氣息。就在上週，Nvidia 執行長黃仁勳在 Lex Fridman 的 Podcast 中，用一種近乎平靜的語氣投下了一顆震撼彈：「我認為，我們已經實現了 AGI（通用人工智慧）。」

不僅是他，OpenAI 的 Sam Altman 宣稱他們「基本上已經打造出 AGI」，而微軟甚至已經開始為下一個階段——ASI（超級人工智慧）佈局。華爾街的資金如洪水般湧入，Arm 甚至將其最新的資料中心晶片命名為「AGI CPU」。科技巨頭們像是在暗巷裡兜售萬能靈藥的神秘商人，向全世界承諾一個全知全能的神即將降臨。

然而，謊言的影子總是特別長。就在黃仁勳發言的兩天後，一份名為 ARC-AGI-3 的測試報告，如同犯罪現場的一盞刺眼探照燈，無情地撕裂了這層華麗的偽裝。當光線照亮角落，我們看到的不是無所不能的數位神明，而是一個在迷宮中盲目打轉、連五歲小孩都不如的「昂貴文字接龍」。

第一章：血肉模糊的排行榜，跌落神壇的巨獸

在人工智慧的暗黑世界裡，ARC Prize Foundation 就像是一個冷酷無情的審判官。他們最新釋出的 ARC-AGI-3 基準測試，不是那種只要背誦夠多維基百科就能過關的無聊問答題，也不是充滿標準答案的程式碼測驗。這是一場為 AI 量身打造的「密室逃脫」。

當成績單揭曉的那一刻，整個矽谷彷彿陷入了死寂。這份數據殘酷得令人毛骨悚然：

• Google 引以為傲的 Gemini 3.1 Pro，得分：0.37%
• OpenAI 尚未正式露面的神秘怪物 GPT-5.4，得分：0.26%
• Anthropic 備受推崇的 Claude Opus 4.6，得分：0.25%
• 馬斯克旗下 xAI 的 Grok-4.20，得分：完美的 0 鴨蛋

與此形成強烈對比的是，隨便從街上拉來一個沒有受過任何專業訓練的普通人類，他們在這項測試中的得分是：100%。這些耗資數十億美元、吞噬了無數電力與運算資源的「前沿模型」（Frontier Models），在面對真正需要「智慧」的挑戰時，連 1% 的門檻都跨不過去。

第二章：密室與黑箱，什麼才是真正的「G」？

要理解為什麼這些不可一世的 AI 敗得如此慘烈，我們必須跟隨 François Chollet 和 Mike Knoop 的腳步，深入這場測試的核心。Chollet 是一個看透了 AI 盲點的清醒者，他知道過去的基準測試都已經死亡。

以前的 AI 測試就像是靜態的視覺謎題，只要給定一個模式，猜測下一個。最初，這些測試確實難倒了 AI。但隨後，那些貪婪的實驗室開始作弊。他們將海量的算力與訓練資料砸向測試題，就像是用蠻力炸開保險箱。2019 年的 ARC-AGI-1 最終倒在了「測試時訓練」（test-time training）的腳下；ARC-AGI-2 也只撐了一年，就被 Gemini 3.1 Pro 刷到了 77.1%。只要有資料可抄，AI 就能偽裝成天才。

但這一次，Chollet 設下了一個完美的陷阱。ARC-AGI-3 是一個擁有 135 個原創互動環境的封閉生態系。其中 110 個環境被徹底鎖死或半隱藏，網路上沒有任何資料集可以讓 AI 偷偷背誦。AI 被丟進一個陌生的、宛如復古遊戲的世界中。這裡沒有指令、沒有目標說明、沒有規則手冊。

AI 必須自己探索環境，搞清楚這個世界運作的邏輯，制定計畫，然後執行。這正是 AGI（通用人工智慧）中那個至關重要的「G」（General）的靈魂所在——泛化能力。真正的智慧，不是在看過一萬隻貓的照片後認出一隻貓，而是在面對一個從未見過的奇異機制時，能夠當下創造出新的知識並解決它。而這，正是五歲小童的本能，也是目前所有兆元 AI 的死穴。

第三章：致命的懲罰機制，無所遁形的「猜測者」

這場遊戲的計分方式，本身就是一場心理驚悚片。ARC-AGI-3 採用了一種名為 RHAE（相對人類行動效率）的冷血演算法。它的標準不是絕對的成功或失敗，而是「你解決問題的姿態有多狼狽」。

基準線是人類第一次挑戰時的次佳表現。如果一個 AI 為了達到目的，所採取的行動次數是人類的十倍，它不會得到 10% 的分數，而是僅有可憐的 1%。因為這個公式會將「效率低下的懲罰」平方化。在暗處觀察的審判官，不容許 AI 像一隻無頭蒼蠅般在迷宮中亂撞、反覆試錯或是瞎猜。只要你開始漫無目的地徘徊、走回頭路、靠機率蒙混過關，你的分數就會被無情地抹殺。

在長達一個月的開發者預覽中，最頂尖的 AI 代理程式也只拿到了 12.58%。而那些只能透過官方 API 呼叫、沒有客製化外掛輔助的「最強大型語言模型」，甚至無法突破 1% 的天花板。這證明了一件事：如果 AI 的本質只是機率性的文字預測模型，那麼在沒有提示詞的黑暗中，它們什麼也看不見。

第四章：最後的辯護與崩壞的藉口

面對如此難堪的局面，AI 巨頭們在法庭上提出了他們的辯護。這場爭議的焦點在於：官方的測試環境餵給 AI 的是冷冰冰的 JSON 程式碼，而不是人類所看到的視覺化圖像。

杜克大學的團隊為此打造了一個客製化的輔助系統，在一個名為 TR87 的單一環境變體中，他們將 Claude Opus 4.6 的分數從 0.25% 硬生生拉拔到了 97.1%。有人藉此大作文章，聲稱這證明了 AI 的智慧沒有問題，問題出在「測試方法」。他們抱怨，這就好比蒙住了一個人的眼睛，卻怪他不會走鋼索。

但 Chollet 基金會的報告如同法官的木槌，重重地敲下：「感知能力（Perception）與 API 格式，並不是限制前沿模型在 ARC-AGI-3 表現的因素。」換句話說，他們拒絕了這種蒼白的藉口。今天的模型在處理結構化資料（如 JSON）時理應游刃有餘。真正的問題根本不在於 AI「看不見」任務，而在於它們的「大腦」缺乏推理與泛化的神經元。Claude 在單一任務的飆升，只是證明了只要給予足夠的輔助工具與特定環境的引導，AI 依舊可以發揮其「昂貴自動完成」的本色，但這距離通用智慧，仍有著光年般的距離。

終章：狂熱退潮，誰在裸泳？

雨依然下著，打在矽谷那些高聳入雲的伺服器農場上。當我們重新審視這個被過度炒作的「AGI 時代」，真相顯得既諷刺又冰冷。

科技巨頭們不斷將 AGI 的定義拉扯、扭曲，直到它符合他們在商業簡報上的利益。他們販賣著焦慮，推銷著未來，彷彿只要再投入幾百億美元的運算力，那個無所不能的數位神明就會從晶片中誕生。但 ARC-AGI-3 的測試結果，就像是一把生鏽但鋒利的解剖刀，切開了這層由行銷話術編織的皮囊。

「如果一個沒有受過訓練的普通人類能在沒有指令的情況下完成任務，而你的系統卻做不到，那麼你擁有的不是 AGI——你擁有的是一個非常昂貴、且需要大量人類輔助的自動完成工具。」Chollet 的這段話，是對這個時代最精準的墓誌銘。

ARC Prize 2026 已經在 Kaggle 平台上擺下了 200 萬美元的懸賞金，等待真正的破局者出現，而且所有獲勝方案都必須強制開源。時鐘已經開始倒數滴答作響，但在這片充滿迷霧的戰場上，目前看來，這些自詡為「神」的機器們，甚至還沒找到起跑線在哪裡。