关键观点
AGI需要扩展与创新同时推进
哈萨比斯没有接受“扩展已经失效”这一二元判断。他认为规模化仍能带来值得投入的显著提升，只是早期那种迅猛回报正在减弱。数据不足也并非绝对障碍，因为数学和编程等可验证领域可以利用合成数据继续扩展。…展开观点收起观点
哈萨比斯没有接受“扩展已经失效”这一二元判断。他认为规模化仍能带来值得投入的显著提升，只是早期那种迅猛回报正在减弱。数据不足也并非绝对障碍，因为数学和编程等可验证领域可以利用合成数据继续扩展。真正的AGI路径将同时依赖工程规模、基础设施和新的科学突破。
为什么重要: 这意味着仅增加算力或参数不足以完成AGI，研究能力与工程执行必须形成互补。
支撑证据
Effectively, you can think of as 50% of our effort is on scaling, 50% of it is on innovation. And my betting is you're going to need both to get to AGI.
锯齿状能力是当前智能的核心缺陷
现有模型可能达到博士甚至奥数金牌水平，却同时在基础数学、逻辑或棋类任务中失误。哈萨比斯把这种不均衡称为“锯齿状智能”，并认为一致性是AGI尚未实现的重要原因。部分错误来自感知和分词方式，另一些…展开观点收起观点
现有模型可能达到博士甚至奥数金牌水平，却同时在基础数学、逻辑或棋类任务中失误。哈萨比斯把这种不均衡称为“锯齿状智能”，并认为一致性是AGI尚未实现的重要原因。部分错误来自感知和分词方式，另一些则源于推理过程没有可靠地复核答案或调用工具。即使推理型系统已经出现，他估计这方面可能只走完了一半。
为什么重要: 衡量通用智能不能只看峰值成绩，还要看跨任务的最低能力、稳定性和自我校验水平。
支撑证据
They're really good at certain things, maybe even PhD level. But then, other things, they're not even high school level.