AI编码智能体迎来关键突破：任务时长加速跃升
新智元报道
编辑：KingHZ
【导读】
AI是否已撞上天花板？METR最新报告显示：2019–2025年，AI编码智能体能持续完成的任务时长呈指数级增长——从分钟级跃升至小时级，且增速加快。Claude Opus 4.5已实现连续自主编码达4小时49分钟（50%成功率），创当前公开纪录，标志着AGI正从理论走向现实。
Claude Opus 4.5刷新任务时长纪录
METR最新报告指出，Claude Opus 4.5可在无干预状态下持续完成软件工程任务长达5小时不崩溃。相比之下，OpenAI最强编程模型GPT-5.1-Codex-Max的50%任务完成时间为2小时53分钟，仅为Opus 4.5的61%。
任务时长增速持续加快
AI编码智能体的任务完成能力并非线性提升，而是呈现加速趋势：
- 2019–2024年：任务时长每7个月翻倍；
- 2024–2025年：缩短至每4个月翻倍。
这一跃迁意味着AI正从「短跑选手」向「马拉松冠军」转变：任务跨度由「分钟级」迈向「小时级」，并持续加速。行业普遍认为，这是AGI落地最实质性的前兆之一。
衡量标准更新：50%任务完成时间跨度
为客观评估AI工程能力，METR于2025年3月提出新指标——「50%任务完成时间跨度」（50%-task-completion time horizon），即AI在50%概率下能成功完成一项任务所需的人类等效耗时。
该指标揭示出显著分化：
- Claude Opus 4.5：4小时49分钟（当前最长公开纪录）；
- GPT-5.1-Codex-Max：2小时53分钟；
- 对比o1模型，GPT-5.1-Codex-Max能力提升达4倍。
值得注意的是，Opus 4.5在80%成功率下的时间跨度仅27分钟，略低于GPT-5.1-Codex-Max的32分钟；但其50%与80%跨度之间差距更大，表明它在长周期、高复杂度任务中具备更优的鲁棒性与逻辑稳定性。
四大驱动因素：为何AI能越做越久
智能体任务时长跃升背后，是四大技术协同演进的结果：
- 推理更强：可将大任务动态拆解为子任务并规划执行路径；
- 工具更熟：熟练调用代码生成、网页检索、脚本执行等外部能力；
- 自纠错更稳：支持回滚、重试与流程续跑，保障长链任务连贯性；
- 收益非递减：模型精度微幅提升，即可显著扩展可胜任任务的时间跨度。
长期记忆：通向AGI的最后一道关卡
当任务跨度延伸至「工作日」甚至「数月」，现有AI系统面临三大瓶颈：
- 上下文丢失：对话或任务越长，越难维持历史信息一致性；
- 偏差累积：早期小错误随进程放大，导致结果失真；
- 目标漂移：缺乏锚点约束，易偏离原始任务意图。
上述问题本质均指向同一核心挑战——长期记忆。当前主流方案仍属「拼装式」：
- 强检索工具：依赖实时搜索（如代码库grep），非内生记忆；
- 压缩塞入上下文：将历史摘要后重新输入，信息损耗严重。
即便RAG（检索增强生成）准确率已达约90%，上下文窗口持续扩大也仅缓解表层压力；真正制约AGI落地的，是底层架构缺失「自我学习」能力——无法像人类一样将短期经历转化为长期知识网络。
2026年关键突破方向：被动记忆系统
业界共识正在形成：未来12个月，「被动记忆」将成为AI研发核心战场。区别于需主动调用的“搜索式记忆”，真正强大的记忆系统应具备：
- 无需检索、直接调用：经验内化为模型固有状态；
- 支持持续学习：从交互中自动提炼偏好、教训与常识；
- 具备遗忘与清理机制：应对「上下文腐烂」（context rot）。
OpenAI、Anthropic等头部团队已在推进ChatGPT与Claude的记忆功能升级；预计2026年春季，新一代多模态大模型将与专用记忆架构融合，首次实现「注意力之外的记忆系统」实质性落地。
AGI曙光已现：从工具到数字同事
当前AI能力已逼近AGI所需算力与智力阈值，唯一显著短板即长期记忆。一旦攻克，AI将不再只是响应指令的「工具」，而是：
- 记住你的偏好与习惯；
- 复盘过往项目中的典型问题；
- 主动优化协作流程，提升下次效率。
这正是AGI在人类社会中最被期待的角色——一位「越用越聪明、与你共同成长的数字同事」。微型团队借助此类智能体，已在软件开发等领域实现数十人团队级产出，生产力跃升已成现实。
