AGI 已在 2026 年 2 月實現 | Bernardo Aceituno
AGI 已在 2026 年 2 月實現 | Bernardo Aceituno
Bernardo Aceituno 主張,隨著 Opus 4.6 問世,AGI 在 2026 年 2 月左右實際上已經達成;而開放權重模型如今在企業任務上已能與前沿模型匹敵,推動了後臺工作流程自動化的採用。
AI 伴隨問答
針對這篇報導有疑問?可直接點選快捷問題或向 AI 追問背景脈絡與技術細節:
Podcast 專家音訊節目
收錄於 888news Podcast 智庫專區,包含精華摘要與上市公司即時行情
StackAI 共同創辦人 Bernardo Aceituno 認為,在企業工作流程自動化這個領域,開放權重模型與封閉式前沿模型之間的差距實際上已經消失,剩下的選擇關鍵在於治理、資料存放地點與成本,而非能力本身。整場對話大部分時間都花在企業實際上如何採用 AI——輔助型工具與後臺自動化之間的分野、觸發企業轉向開放權重的 Token 帳單門檻,以及目前仍會失敗的環節——至於「AGI 已在 2026 年 2 月實現」這個說法,只在開場附近短暫出現,作為一個挑釁性的引子。
Aceituno 是從廠商的角度發言:StackAI 為企業打造工作流程自動化,客戶包含國防產業,因此他對模型選擇的判斷來自觀察採購決策,而非跑基準測試。主持人 Sophia 把討論框在開源與封閉模型的對比上,並追問企業在哪些環節仍會直接選用最順手的工具。讀者讀完應該能建立一個可用的心智模型:企業採用 AI 的兩條路徑、把公司推向開放權重的具體條件,以及基準測試可信度與個人化代理這兩個尚未有定論的問題。
企業採用 AI 有兩條路徑,其中只有一條已經轉向開放權重
Aceituno 把企業的 AI 使用分成輔助型工具與後臺自動化兩類,並表示第二類轉向開放權重模型的速度快得多。輔助型部署——讓員工使用的 AI 助理,例如 Copilot Enterprise——仍然依賴前沿實驗室的模型;在他看來,主要不是為了模型本身,而是為了圍繞模型打造的應用層。隨著新工具讓企業能跑在自己選擇的模型上,這個情況正在改變;這件事之所以重要,是因為封閉模型若架在不明確的雲端與區域,企業對它會接觸到哪些資料的可見度有限,具體取決於與供應商的合作安排。
第二類是 StackAI 的本業,涵蓋橫跨整個組織、長期存在的流程,做法是在工作流程的某些節點插入代理,或把整個流程改寫成代理。Aceituno 說這裡轉向開放權重的速度「非常快」,因為這類系統通常是用客製化工具或 AI 開發平臺打造,買方本來就能自行選擇模型並控制 Token 用量。
| 採用路徑 | 典型部署 | 2026 年底的模型偏好 | 驅動因素 |
|---|---|---|---|
| 輔助型 AI | 面向員工的助理(如 Copilot Enterprise) | 前沿封閉實驗室,著眼於應用層 | 生態系與易用性 |
| 後臺/工作流程自動化 | 嵌入組織長期流程中的代理 | 開放權重模型 | 模型選擇權、Token 控制、資料存放地點 |
他舉得最具體的觸發因素是成本:當年度 Token 帳單達到七位數甚至八位數美元時,企業就會開始重新檢視自己的模型選擇。
開源與封閉的取捨已收斂到治理,而非效能
Aceituno 的核心論點是,過去那個取捨——封閉模型在超大規模雲端上效能好,開放模型則能讓你把資料完整留在自家機房、完全掌控——在工作流程自動化上已經不再成立。他說客戶現在挑一個當前的開放權重模型,在企業自動化任務上就能得到相當於他們在 2026 年 2 月會期待前沿模型提供的水準。他點名 Inklink、Muse 與 Beam 是達到這個水準的開放權重選項,另外還有國防客戶在自家地端 GPU 機房跑的 Mistral 與 Kimi 模型。
他把這個比較延伸到作業系統:企業使用語言模型的情況會像 Linux 對上 Mac 與 Windows,「超過 90%」的企業語言模型用量會流向開放權重,「而且大概很快就會發生」。
「我一直這麼說,也依然堅持這個看法:AGI 在 2026 年 2 月、Claude Opus 4.6 上市前後就已經實現了。而今天已經有數百個開放權重模型表現優於這個封閉式前沿模型,就像跑在本地電腦上一樣,這實在令人難以置信。」
這個說法是 Aceituno 自己的框架,並非實測結果,而它撐起了他的時間軸:以 2026 年 2 月作為能力參照點,開放權重大約在九個月內追上。Sophia 提出反面觀點:前沿永遠會領跑,開放權重只能跟在後面,企業的決策終究會變成投資、治理與資料存放地點之間的取捨。
開放權重仍做不到的事:長期記憶、深度視覺理解與可信的基準測試
被問到目前還有什麼行不通時,Aceituno 指向需要長期記憶與人類水準深度視覺理解的領域——他說這類能力在自動化領域還沒達到那個程度,開放權重在前沿水準上也同樣提供不了。電腦操作(computer use)是他認為進展最大的領域:他稱之為 2026 年代理的幾項重大突破之一,並把 Grokbot 這類封閉模型代理的受歡迎程度,主要歸功於它們在電腦操作上變得夠強。他表示,開放權重現在對企業用途來說已經夠可靠,因為企業環境比消費端環境更可預測。
更棘手的問題是基準測試的可信度。Aceituno 說過去三個月企業界對基準測試出現「信任的侵蝕」,因為供應商會針對開放模型調校,讓它們在基準上拿高分。企業缺乏獨立評估模型的好方法,只能倚賴他所謂最愛的基準——「單車基準」,也就是真實世界的部署——以及對前沿實驗室在頂尖效能上的剩餘信任。他預期隨著社群逐步收斂出更好的基準,這個落差會縮小。
電腦操作與個人化代理是下一個前沿,但治理問題讓企業卻步
Aceituno 勾勒出企業代理的四年演進:2023 年是聊天助理,2024 年是結合企業搜尋的檢索增強助理,2025 年是會使用工具並排程工具的代理,2026 年則是代理走出 MCP 伺服器與輔助性工作,進入視覺介面與瀏覽器。
timeline
title Aceituno 眼中的企業 AI 代理採用演進
2023 : 用於腦力激盪與發想的聊天助理
2024 : 結合檢索、上下文與企業搜尋的助理
2025 : 會使用工具並排程工具的代理
2026 : 代理進入視覺介面與瀏覽器,電腦操作成為重大突破
談到個人化代理,Sophia 問是否有任何一個用開放權重。Aceituno 第一個想到的是 OpenClaw,接著說企業態度保留:這類工具是為消費端量身打造,企業需要的東西——治理、資料存放地點、資料控制與角色許可權控管——它們都沒有。StackAI 正帶著客戶往個人化工作流程推進,但他說「每位員工都有一個日常工作個人助理」的階段還沒到來。等到那天來臨,他預期開放權重會是首選,因為取捨很簡單:效能可信、代管完全自主、成本已知。
基礎設施已不再是障礙,難的是判斷何時該部署
Sophia 的反駁是:企業口口聲聲說在意隱私與 Token 成本,實際上都挑最順手的工具,管它是封閉還是開放。Aceituno 部分同意,並把功勞歸給超大規模雲端與新興雲端業者——他點名 Together——說它們讓開放權重的部署變得夠簡單,基礎設施已不再是障礙。他的國防客戶是一家大型國防承包商,整座整座的 GPU 機房跑著 Mistral、Muse 與開源 GPT 模型,因為任何東西都不能連上網際網路;這類公司本來就願意自建那樣的基礎設施。
他的重新框架是:企業真正的難題不是怎麼部署開放權重模型,而是什麼時候部署才恰當,以及一個模型在特定任務上是否已可量測地達到足夠的功能水準。
未解的張力:口頭偏好與採購行為之間的落差
本集留下兩條未收的線。第一是基準測試問題——如果企業無法信任公開分數、只能回頭靠內部試用,那麼「數百個開放權重模型勝過封閉前沿」這個說法對任何買方來說都難以據以行動,而這正是 Aceituno 所說前沿實驗室仍在填補的真空。第二是個人代理的缺口:像 OpenClaw 這類消費級工具證明瞭需求存在,但企業所需的治理與存取控制,恰恰是這些工具所欠缺的,因此「90% 走向開放權重」的預測,取決於廠商能否補上這個缺口,而非取決於模型能力。值得持續觀察的是:Aceituno 所期待的基準共識改善,會不會在企業把採購習慣鎖定在最順手工具之前到來。