EP43 · Hassabis 谈 AGI 路线图 × Codex 与 Subagents · 04.30 早报-ginobefun

EP43 · Hassabis 谈 AGI 路线图 × Codex 与 Subagents · 04.30 早报

歌手:ginobefun

专辑:BestBlogs

时间:2026-03-15

    使用手机浏览器「扫一扫」

    在手机上保存,获得更好体验

标签
歌词

本字幕由TME AI技术生成

Deep mind 创始人demis

Hussabbis 把agi 的到来时间锁在二零三零年前后

并且直接说光靠大规模预训练加rlh 走不到那一步

这是best blocks

四月三十日早上播是jo o

今天值得说的事情有一条非常清晰的主线

Agentic info 真正进入主流

你会看到三件事

在同一天

河流模型这一层

Hassabis 在y combinate 的访谈里把通往agi 的路线图摆上桌

告诉创业者

要假设agi 在你公司生命周期的中断就到来

工程平台这一层

Open ai codex 升级成每周三百万活跃用户的并行工程平台

主代理自动把任务拆给子代理执行

部署平路这一层

Cloud flawer 联合stripe 推出新协议

让ai agent 自己开账号买域名

走完支付

一次性把应用部署到生产

全程不需要人去仪表盘里复制token 或者填信用卡

模型能力

工程平台

部署链路三件事第一次在同一天形成闭环

无人值守的软件交付链条今天才真正搭起来

我们先从hassabis 那场访谈讲起

第一篇金讲是hassabis iy combinated 的访谈

标题叫how to build the future

这场对话最值得标记的一句话

他直接给出了一个时间窗

Agi 大致会在二零三零年前后到来

这不是公关式的远期承诺

是deep mind 内部当做工程目标的判断

但它紧跟着把另一只鞋扔下来

现有的大规模预训练加rlhf 远远不够

要补三块短板

第一是持续学习

模型必须能不断吸收新知识

又不会把之前训练的东西遗忘掉

第二是长程推理

不能停在简单的思维链上

要做到鲁棒的规划和自我反省

第三是记忆

要从今天这种暴力堆上下文窗口的方式

转向更高效的类脑的工作记忆

这三件事任何一件没解决

所谓agi 就只是更大的语言模型

通往agi 的形态是agentic systems

能自己做决定

自己做规划去达成目标的智能体

今天agent 还卡在没法适应具体上下文这个能力上

要让agent 服务到一级用户

Deep mind 重仓了一件事

叫distllation 蒸馏

蒸馏后的小模型它们叫flash 系列

已经能跑出前沿模型百分之九十五的能力

成本只是一小部分

这意味着把高水平ai 装进家用机器人

装进端测设备

今天在工程上是可行的

隐私和速度都能拿到deep mind 的使命

它这次又重申了一遍

解决智能本身

再用智能去解决其他一切

他把ai 当做打开科学问题根节点的钥匙

最具体的弱点是

Ic mophic lab 目标十年内做出虚拟细胞模拟拟把物过程变成一个计算机视觉加推理问题

研究者就能在不做大量物理实验的前提下

预测药物相相互作用生生结果

从法alphfod 到虚拟细胞是同一条曲线

再走十年

最后他给创创业一句硬化

假设agi 在你公司生命周期期中端段到来

换句话说

你今天动手的产品

护城河

商业模式

都要预设一个比你想象中更早到达的临界点

它建议大家把ai 用在那种组合搜索空间巨大

暴力穷举搞不定

但ai 推理能赢的领域

比如材料科学

医药研发

提前用产品去拦住这条曲线

不要等曲线撞上来

这一段

听完你大概能感觉到

哈萨贝斯给的是模型能力的天花板和落地形态

但天花板和家用之间还差一层工程平台

这正好是接下来open ai codex 那一段的事

第二篇精讲来自ai engineer 大会上open ai 团队的现场分享

Codex 已经从一个写代码助手升级成完整的工程平台

每周活跃三百万用户

重点不是模型炫技

是他现在能跑测试

能管环境

能并行任务

底座模型从gpt 五点二一路换到当前的gpt 五点四

性能这一层做了两层加速

先用web sockets 让token 流失生成快一点七五倍

再叠上fast mode 再翻一倍

还出了两个变体spark 版本跑在serarbus 平台上

Mini 模型给短任务用

这套组合等于把交互延迟压到了一个临界点之下

开发者写两行又跳走那种打断感被消除了

插件架构现在收敛成三件套

一是skills

给特定工作流附用的指令包

第二是apps 直连notion linear slack 这类服务的官方通道

第三是mcp service

从外部系统拉工具进来扩展codex 能力

这三件套合起来撑起了automations 自动化任务

让codex 在后台跑定时活

比如自动整理slack 消息

汇总邮件

全程不需要人介入

整场分享里最值得标记的特性叫sub agents 子代理

一个主codex 实例可以自己把大任务拆成小块

交给多个子代理并行跑

现场演示是这样

他们让主codex 去审查几十个persona 配置文件

主代理直接拆出一批子代理同时干活

每个子代理拿不同的权限

不同的模型

开发者可以为每个persona 自定义权限

比如审阅角色指读

可以根据子任务对推理强度的要求选不同的模型

还可以在子代理这一层接century

Linear 这类外部系统

这是把多智能体协作从论文里搬到了ide 里

为了让cocox 真感自主做事

Open ai 同时端出guarding approvals

这是一个专门的子代理

专门用来分析特权操作

比如执行服务器命令

再判断这一步要不要人工批准

换句话说

是用一个ai 去守住另一个ai 的边界

目的是减少人类审批疲劳又不牺牲安全

这跟前几天cursor 那个九秒删库的事故对照来看

就特别值得思考

Subagents 让效率上去了

高diding 让让全上上来

两件事必须须上来

如果你今天还在用ide 加单一模型那种工作流

可以认真问一句

要不要把审计

测试

并行任务这些重火搬到cocox x

三百万精讲已经说明很多

团队给出了答案

讲完模型层和工程平台层

最后一篇精讲把视角推到部署博客

看agenter 怎么自己把代码送上线

第三篇精讲来自cloud flaer 官方博客

Cloud flail 联合strip 推出一个新协议

名字暂时跟着产品

叫stripe projects

这件事的分量需要换一个角度看

Ai agent 第一次拿到了从零到生产的全套权限

自己开账号

自己买域名

自己拿api token

自己部署过去

这套流程是这样的

开发者要去cloud flare 仪表盘注册账号

买域名

生成api token

复制粘贴到代码或者ci 里

然后才能让agent 跑部署

今天这一整套被压成一条命令

Jorustririp ci

Dran

Strip projects 插件登录strip

然后跑cloud proprojects neate

剩下的是agent 自己接管

如果你登录strip 部署上箱

已经有cloud flier 账号

回跳一个标准os 流部署授授权

然没有cloud flfler 账号

Cloud fflare 直接为你和你的agent 自动开一个账号

全程没有人去填表

两分钟的演示视频里

Agent 真的就把一个新站点部署上线

并且注册好了一个新域名

技术上是三个组件搭载已有的标准之上

Discovery 这一步

Agent 跑strip projects

Cataloc e 拿到所可可服服务清单

简单的rest 接口返回jason

Cloud flare 一长串产品对人来说看着头晕

但对agent 来说就是它需要的上下文

Authoriation 这一步

Strip 充当身份提供方

Ags 加oidc 把用户身份转给cloud flier

Cloud flier 按需开账号或链接已有账号

再把凭证安全的交给strike projects

Cli payment 这一步

Strip 给provider 一个payment token

原始信用卡号永远不会暴露给agent

并且默认每个provider 月预算上限一百美元

等你信任了

再去cloud fllae 仪表盘上线

并设budget alerts s 对拼拼起

正正把过去要人介介入步骤一一去掉掉

商业层有两个动作关关键

Cloud allas 注册新公司送十万美元cloud flaer credit

等于把这条新链路直接对准初创公司

更重要的一点是

任何在登录用户的平台都能像strip 一样接入cloud fllaer

扮演orchestrator 这个角色

文章给出的例子很直接

假设你做的是一款编程agent 产品

你需需要一个pii 调用就能给用户cloud ffler 账号

拿token 做认证证请用户户本不需需要在迷公式的授权流程里打转

Planet scale 已经是早期样板

Cloud fill 用户能从workers ers 直接开planet scale posts res 数据库反过来也成立

我对这一片的判断是这样

Ai agent 拿到自己开账号

自己花钱自己部署的全套权限

是过去几个月被反复讨论

但今天才真正落地的事

他跟off 当年标准化授权这件事的意义同级

区别在于他把off 直接延展到了支付和账户开设

原果你做的是一个待登录用户的平台

今天可以把这件事放进路线图里认真评估

错过这一波

你会在两年后被对手吃掉新用户来源

讲完这三条主线

下面是值得快读的几条

第四条来自nnor pic 官方博客

标题叫agentic 时代的产品开发新范式

因为anthropic 产品经理复盘了用cloud diam manage agents 之后产品开发流程怎么重写

原来那种文档堆成删

要花大量时间做对齐的工作方式

正在变成一种动手为主快速迭代的手艺活

这位产品经理强调的细节是

过去prd 写完往往就是一份静态文档

现在prd 直接就是给agent 的提示词

每改一次产品就跑一次

省下来的时间反过来花在跟用户和团队的真实接触上

这条值得任何一个还在写超长prd 的产品经理认真看一遍

Ai 时代的产品交付逻辑已经在改写

第五条来自快手技术

标题叫拦截率从百分之十五到百分之五十五

快手智能on car t 系统的演进实践

这套系统叫concar

从nop 时代的关键词匹配升级到lag 加大模型再叠上完整的知识运营体系

核心链路优化和思域模型微型把问题拦截率从百分之十五一路提到百分之五十五

文章里有一个很重要的转折点

他们意识到拦截率上不去的根本原因不是模型不够强

是知识运营这一层没人在做

所以专门搭了知识管线

把答疑沉淀变成可被raack 检索的素材

更值得记住的是

它从被动响应转向了源头治理

对所有大组织的on call 团队都有借鉴价值

第六条是跨国串门计划那期播客纳瓦尔谈vipe coding

硅谷传奇投资人nevoral revocant 这次抛了两个有冲击力的判断

准软件不再适合风险投资

因为创造一个软件的编辑成本被vipe coding 压到接近零

护城河必须建立在分发社区或者跨模态壁垒上

以及苹果因为放弃ai 这条主曲线

统治地位会终结

他还顺手讲了web coding 给个体创造者带来的那种久违的纯粹乐趣

把开发从协作仪式拉回到一个人和机器对话的状态

这两条判断不一定都对

但都值得创业者和投资人心里过一遍

第七条是宝玉的分享

那篇深度拆解hermis agents 记忆灵活核心架构怎么修正open 误区

文章把开源clouhermis agents 的四层记忆架构拆开了讲

固化提示词记忆sacrelight 会画搜索

压缩 冲刷

技能管理核心设计是冷热分离加缓存优先

这里的关键洞察式把提示词稳定下来

才能吃到模型的prompt cash 红利

Open cloud 那种动态拼提示词的做法看着灵活

实际把缓存命中率打没了

每次都从统算算

Hmss 的做法是把热路径锁定

冷路径走

数据库在压缩

做agent 的工程的同学

这一篇可以当工程参考

能直接省一大笔token 账单

如果你听到这里还有时间

今天扩展阅读里有几条也值得往后排

Ai engineer 那场关于liquid ai 训前沿小模型的分享

Maximuar booone 的核心观点是

前沿小模型不能靠从大模型蒸馏来

它需要专门的架构

极致的token 预算

On policy 的对齐方式以及agentic 工具支撑

是一条独立的agent curcurse 官方那条sdk 发布

开发者现在可以用cursa 同款的运行时curness 和模型搭自己的agent

这是ide 厂商把内核能力外放给生态的一次明确动作

Info kill 那篇京东营流用agentic workfall 在b 端营销实现降本百分之五十

从人机协同走到全流程大模型培育

或解弊端营销获客难

转化差的痛点

签约量翻倍

腾讯云开发者的harness engineering 核心模式与理念

以及阿里云开发者那篇做了一个平台

让ai 一晚上自动评测和优化你的系统

统篇是同一个工程程题的的右右角前讲架构构淀

后者讲自动动环

最后是宝玉转发发open en i 型

Awx 扩大合作

Open ai 模型

Cocox 和managed agents 全面登录amazon bedrock

嗯

企业可以在aws 环境里直接调用

这跟今天cloud flaare 那条主线一起看

会让你对agentic infer 渠道站的速度更有体感

完整链接和评分都在show notes 里

今天三条主线其实在讲同一件事

那就是agentic infer 真正进入主流

Hasbbe 把模型能力的天花板和落地形态摆上桌

Open ai 把ide 升级成跑测试

管环境并行任务的工程平台

Cloud flair 联合stripe 把agent 的部署链路从仪表盘里解放出来

模型层

平台层

部署层第一次在同一天河流

如果你昨天还在问ai agent 什么时候能真正进生产

今天的回答已经具体到一条命令

一份协议

一份月预算上线

我是geno best blocks 的devil

每天为你筛选当天最值得读的ai 与技术内容

明天见

展开显示全部歌词