在 AI 的巨頭戰場上，OpenAI 執著于 Scale Law（規模法則），DeepMind 專注于能力分級，而陳天橋的 MiroMind 選擇了一條截然不同的“第三條道路”。
這篇文章不僅是理論闡述，更是 MiroMind 的路演書。陳天橋明確反對了目前主流的“行為主義”（圖靈測試）和“功能主義”（替代工作）路線 ，提出了“通用推理引擎”的新定位。
MiroMind 的戰術非常清晰：
放棄“全知全能”的幻覺： 承認模型會出錯，因此引入“自我糾錯”機制，依靠外部反饋閉環來生存 。
小參數，強推理： MiroMind 的 BrowseComp 案例顯示，235B 參數的模型通過 Agent 交互可以戰勝更大模型 。這證明了“推理能力”可以通過架構創新而非單純堆算力來實現。
重新定義算力用途： 不再是一次性生成長文，而是將算力用于“時間序列上的反復求證” 。
陳天橋將這一過程比作“邏輯長征”。MiroMind 的目標不是做一個聊天機器人，而是一個“可審計、可驗證的通用問題求解器” 。這不僅是技術路線的選擇，更是市場定位的差異化——當所有大模型都在爭奪 C 端用戶的注意力時，MiroMind 似乎正瞄準科研、工業、金融等B端高容錯門檻的“深水區”。
如果說 OpenAI 是想造一個無所不知的“神”，陳天橋則是想造一把精準剔除謬誤的“手術刀”。在 AGI 的長跑中，這把手術刀或許比神諭更實用。
以下為陳天橋博文全文：
言語道斷，因果自現——我心中的AGI是什么
過去這一兩年，我們親眼看著大模型的語言能力以肉眼可見的速度躍遷：寫作、總結、對話、問答、解題，越來越“像人”；HLE 之類的評測分數一再刷新紀錄，連奧數級別的題目也能被系統性攻克。于是一個看上去順理成章的結論開始流行：“所謂 AGI、大一統的通用智能，大概也就差不多了。”但在我看來，這是一場美麗的誤會。
為了把這件事講清楚，我借用一個比喻：今天主流的大模型，更像是“文科大模型”。它以語言生成與文本一致性為中心，把知識組織成“像真的敘述”和“像對的答案”。它的價值在于“模擬”：它能理解我們的委婉與修辭，能生成優雅的文字、逼真的對話、動人的故事；它會在教育、溝通、內容生產上變成新的基礎設施，像電、像水，潤物無聲。但是即便它能解奧數、HLE 也能拿高分，這些勝利也大多發生在封閉系統里：題目定義明確、規則固定、對錯可判、反饋即時。
但我一直堅信，人類真正需要 AI 去對抗的，是衰老、疾病、能源、材料、氣候這些問題；這些戰場不在考試題的封閉世界里，沒有標準答案等你生成，只有現象、噪聲、偏差、缺失變量與緩慢反饋；正確不是“寫出來”的，而是被外部世界“確認出來”的。封閉世界的高分，證明了推理工程的成熟，但并不代表已經擁有了穩定的知識生產機制；高水平解題固然是走向發現的必要基礎，卻遠非充分條件，因為真正決定未來的，不是封閉的敘述，而是那條冰冷而精確的因果紅線；它關心的不是“說得對不對勁”，而是“這個假設能不能被現實否決或確認”；它的終極產物不是新作品，而是新知識——新的定理、新的材料、新的藥物、新的工藝、新的工程結構。我把這種范式稱為“理科大模型”。它的價值在于“發現”。
需要澄清一點：我說的“文科/理科”，不是兩種模型的物種差異，而是兩種默認動作的差異：文科大模型傾向給出一個“看起來不錯的最終答案”，理科大模型傾向先給出一組可證偽的假設，并同時給出把這些假設變成證據的路徑；文科模型在不確定處更容易把答案“湊圓”，理科模型在不確定處更像本能地停一下，然后去查證、去拆解，把問題拆成可驗證的小問題；理科模型把因果當作第一公民，回答“條件改變后會發生什么”；理科模型還必須有可累積的長期記憶，把每一次驗證得到的結論以可追溯的方式寫回去。總之，理科模型更像一個握著手術刀的外科醫生：在無數方案里，識別哪一刀真正觸及因果紅線；它知道，一旦切下去，現實會給出最誠實、也最殘酷的反饋，形成真正的因果閉環——這種對“真實代價”的敬畏，正是兩種范式之間最本質的鴻溝。
所以，真正決定 AGI 應該是什么，取決于我們的價值取向：我們究竟更在意一個能理解所有修辭，還能取代人類工作的“靈魂伴侶”，還是更迫切地需要一個能幫我們撕開迷霧、照亮未知，創造價值的“因果明鏡”？我認為是后者。所以，實現 AGI 不是為了再造一個更會聊天的會生成的系統，而是為了打造一種“會發現”的智能。
讓我們帶著這樣的價值觀去審視一下現有的 AGI 定義的主要流派。一種是行為主義范式，源于圖靈測試，認為 AGI 的標準是“機器表現出的行為與人類無法區分”。這是目前大眾最直觀的評判標準。但如果一個 AI 只是在模仿人類說話，它永遠無法告訴我們那些人類還沒發現的真理。第二種是功能主義范式。以 OpenAI 為代表，定義 AGI 為“在大多數具有經濟價值的工作中超越人類的自適應系統”，側重于對人類勞動力的替代能力。但人類文明的每一次飛躍，都不是靠把舊工作做得更快，而是靠發現前所未有的新規律。第三種是能力分級范式。以 DeepMind 為代表，將 AGI 分為從 "Emerging" 到 "Superhuman" 的五個層級，核心指標是在廣泛且未見過的任務中的“泛化能力”與“表現分值”。可現實世界不是考場，沒有標準答案，真正的智慧是要在沒有考卷的地方，自己找到那條正確的路。當然還有一些其他的范式都或多或少存在上述問題。
那么我心目中 AGI 目標究竟要做什么？用一句話概括：它是一個高可信、可驗證、可糾錯的通用推理引擎。在工程上能夠做到三百步以上的復雜推理后，依然維持接近 99% 級別的整體正確率，并通過形式化和工具鏈把每一步推理“釘死”為可檢查的證據，最終對任意復雜問題給出閉環解決方案。
為什么我們死磕“300 步”？我們必須先定義推理的最小單位——標準原子步（SIU， Standard Inference Unit），作為可審計的基本推理單元。每一步只執行單一邏輯操作，依賴最小必要輸入，其結果可以通過工具或規則直接檢驗。按照這個標準，現在的大模型單步推理準確率最高能沖到 98%，哪怕每一步都能做到這個最高水平，300 步后的端對端成功率也只有 0.23%，已經接近歸零。這意味著在 300 步之后，概率和運氣基本失效，系統必須依賴可檢驗的推理與外部反饋閉環，而不是靠“看起來合理”的續寫去蒙混過關。所以我認為 300 步是獨立解決復雜現實問題的“跨度起點”。
為什么 99% 必須是硬杠？因為發現式系統不是用來“聊天”，而是要進入現實成本區間：實驗、工程、醫療、決策。低一個點的可靠性，就意味著高頻的錯誤下注；而現實世界的錯誤，不是“答錯題”，而是浪費實驗窗口、燒掉工程預算、甚至造成不可逆的損耗。99% 不是面子指標，而是“可質押、可簽字”的門檻。
所以，我心目中的 AGI，是能在 300 步的邏輯長征中，靠自我糾錯熬過“概率死亡”，最終抵達地圖之外的起點。從這里開始，AGI 就可以在科學、工程、決策規劃等任意領域里，作為一個可審計、可驗證的通用問題求解器存在。
當然，我并不認為這是一條“喊口號就能到達”的路線。把目標釘在“300 步仍保持 99% 可靠性”，本質上是在主動面對三個工程硬點：長鏈誤差累積、開放世界驗證缺口、以及組合爆炸下的預算約束。正因如此，我們在工程上必須進行解剖，將推理過程分為兩層：邏輯生成層與檢驗層。生成層負責“想”：將大問題遞歸地拆解，直到細化為原子級操作，我們還要做檢驗層負責“查”：對每一個原子步通過工具、仿真或外部數據逐一驗證。一旦某一步不過關，系統就在局部進行回退和重生成，而不是推翻整條推理鏈。
MiroMind 已經在這條路走出了第一步。以 BrowseComp 為例，MiroMind 僅用 235B 參數模型就給出了 SOTA 的成績，它的意義不在于“分數本身”，而在于證明了一個工程事實：我們正在把推理從“單次生成”推進到“時間序列上的反復求證”。更具體地說，我們不是依賴一次性長鏈思考去賭對答案，而是訓練模型在更深、更頻繁的 agent/環境交互中不斷獲取外部反饋并糾錯，讓推理過程逐步變成可審計的證據鏈。對我們而言，這就是“通用求解器”的第一塊地基，然后在 99% 可靠性前提下逐步推到 300 步以上的跨度。這個過程沉默、緩慢、嚴謹、甚至有點殘酷，它拋棄了人類語言的精妙模仿，卻在枯燥、嚴苛、卻能被現實反復復現的因果閉環中，緩慢破土而出，即使有耐心資本的加持和理想主義的堅守，這也會是一個非常痛苦的過程。
佛經里有個詞，叫“大圓鏡智”。說的是一個人的心若能修到像一面大圓鏡，就能如實照見萬物因果，不被塵埃遮蔽，不被偏見扭曲，這是智慧的最高境界。我對這個智慧一直很向往，甚至創辦的科普視頻號也取名叫做大圓鏡。而我心中的 AGI 就是一個無限接近“大圓鏡智”的智能系統，不迷戀漂亮的語言，而是追問事實的真相是什么；不急著給出答案，而是去求證背后的因果是什么。在一個被語言和敘事塞滿的 AI 時代，我們需要一面只對“因果和真相”負責的鏡子。
（推廣）