Claude满分、GPT 99分！何恺明团队把AGI考试打穿了

📌 核心事实

何恺明团队在arXiv发布VISTA论文，指出过去半年顶尖大模型在AGI评测中均处于"蒙眼"状态，即测试方式存在严重信息缺失。Claude得分满分、GPT得99分，但实际能力被高估。

💡 价值分析

该研究揭示了当前AGI评测体系的根本性缺陷：模型在缺乏关键视觉/环境信息下仍能高分，说明现有基准测试可能被"捷径学习"污染，无法真实反映智能水平。这动摇了行业对AGI进展的乐观判断，意味着评测标准亟需重构，从"刷榜"转向真实场景下的多模态、具身化评估。

🏢 企业启示

企业不应盲目依赖公开榜单选型或宣传模型能力。建议自建贴近业务场景的私有评测集，尤其关注多模态与交互任务。创业者可切入"真实AGI评测"赛道，提供防作弊、可解释的第三方认证服务。

🚀 相关机会

1. 多模态/具身智能评测平台与工具链；2. 防捷径学习的动态基准数据集；3. 面向垂直行业的AGI能力认证与审计服务；4. 基于VISTA方法改进模型训练中的信息完整性约束。

本文由AI681 7x24快讯深度整理，内容来源于公开科技媒体，仅供参考。