图灵-AGI 测试：一种面向真实工作能力的新标准
2026 年新年快乐！面对通用人工智能（AGI）日益升温的讨论，我们需要一个更贴近现实、更具可操作性的检验标准。为此，本文提出“图灵-AGI 测试”——它不以迷惑人类为衡量尺度，而以完成真实工作任务的能力为核心判据。
测试设计：模拟远程专业工作场景
测试对象（计算机或人类专业人士）获得一台可联网计算机，配备网页浏览器、Zoom 等基础软件。评审将设计一段持续多天的工作体验，涵盖培训与实操环节，例如培训其成为呼叫中心坐席后执行真实电话接听任务，并全程给予反馈。该流程高度复现一名无摄像头远程办公人员所需具备的工具使用能力与任务响应水平。
通过标准：达到熟练人类专业水准
若计算机在该测试中表现与经验丰富的同类人类从业者无实质差异，则视为通过图灵-AGI 测试。这一标准与公众对 AGI 的普遍理解高度一致：即系统能胜任绝大多数知识型工作，而非仅在特定基准上取得高分。
为何需要新测试？定义失焦与炒作风险
当前“AGI”一词已被广泛用于营销宣传，偏离了“能完成任何人类可完成智力任务”的本义。部分企业宣称数季度内实现 AGI，实则通过大幅降低标准达成口径统一，导致高中生误判职业准备方向、企业高管误估技术成熟度并做出偏差投资决策。
对比原图灵测试：从“欺骗”到“创造价值”
原始图灵测试聚焦文字交互中是否能混淆人类评审，实践中甚至依赖模拟打字错误等非智能特征；而当代 AI 发展目标是构建可落地、可产生经济价值的系统。因此，“能否完成工作”比“能否模仿人类”更具现实意义。
相较现有基准测试：动态性与通用性更强
主流 AI 基准（如 GPQA、AIME、SWE-bench）均采用预设题库，易引发针对性调优，且覆盖范围有限。图灵-AGI 测试则由评审自主设计、全程保密，形式开放、不可预测，更接近原始图灵测试中“自由提问”的精神，从而更有效地评估系统的通用智能边界。
去魅与稳健发展：测试的社会价值
人工智能正处高速上升期，但历史表明，过度炒作可能诱发“AI 寒冬”。不切实际的预期易催生投资泡沫，一旦破裂将严重挫伤信心与资源投入。一个清晰、公开、可验证的 AGI 测试标准，有助于全社会校准技术预期，抑制非理性热度。
若首次图灵-AGI 测试竞赛中所有系统均未通过，这并非失败，而是理性回归的起点——它能有效去魅、规避泡沫，为长期技术投入筑牢信任基础。反之，若有系统真正达标，则意味着其成果已超越营销话语，具备真实的产业应用价值与里程碑意义。
新年快乐，祝你在新的一年里顺利构建！
吴恩达
