文 | 字母 AI

跟着黄仁勋踏向前去特朗普的空军一号，智谱股价暴涨 36.9%，收报 1150 港元，创下历史新高。

从 1 月 8 日上市时的 116.20 港元刊行价算起，智谱的股价在短短四个多月内增长了 900%。

而就在暴涨之前不到 24 小时里，智谱创举东谈主唐杰夜深在 X 上发布了一条推文，大谈了我方对通盘 AI 产业的想考。

整条推文的中枢是"长周期任务"。

请疑望，英文原文是" Long-Horizon Tasks "，直译过来应该是长视线。但是在 AI 语境中，它是指一个任务需要跳动较永劫期、较多门径、较多中间情景才能完成。

他以为，2026 年最可能的冲破点不在于模子变得更智慧，而在于模子巧合捏续完成复杂、多门径的任务。

在唐杰看来，一朝模子能捏续盘算推算、试错、判断和托福，它冲击的就不仅仅程序员效力，而是整套东谈主类延迟层。

以前 AI 替东谈主写几句话，寰球还能说它仅仅器具。一朝 AI 能联结几天我方干活、我方判断、我方托福闭幕，它要替代的就不仅仅某个岗亭了，它可能会透顶替代某一个行业。

长周期任务是什么？

以前两年，咱们评价一个大模子的好坏，主要看它在单次对话中的涌现。答谢是否准确、逻辑是否清亮、话语是否指引。

这本色上是在测试才能。但长周期任务需要的不是才能，是延迟力。

指表明确但旅途省略情，需要捏续数个小时、数天致使数周的长久鼓励。

唐杰在推文顶用黑客算作例子。

他说，症结挖掘是典型的长周期任务。需要阅读多数代码、知道系统架构、搭建测试环境、构造袭击输入、考据症结灵验性，终末撰写期间论说。

这个过程充满试错，因为莫得模范谜底，只可依赖教会和直观。

你不成只读一遍代码就找到症结，你要反复去尝试不同的袭击向量，在每次失败后调期望路，在每次获胜后考据可靠性。

如果 AI 能在这种顽抗性、教会化的领域站稳脚跟，那么它对世俗程序员、数据分析师、法务助理等作事的冲击只会来得更蛮横。

因为这些作事的任务天然也很复杂，但顽抗性更弱，教会依赖度更低，更容易被系统化的经过遮掩。

唐杰以为2026世界杯竞猜(中国)官网，估计 AI 的样子，正在从看对话、谜底，变成看"长周期"任务完成能力。

一个模子可能在单次对话中涌现无缺，但在需要捏续责任 8 小时的任务中往往出错、丢失高下文、重迭无效操作。

另一个模子可能单次答谢不够精彩，但能浩瀚地鼓励任务，记取每一步的闭幕，在遇到扼制时自动换旅途。

那么后者在长周期任务中的价值，就高于前者。

腾讯的姚顺雨曾忽视一个看法，今天模子太依赖预闇练里的"参数化学问"，着实宇宙更需要能从面前 Context 里学习并诓骗的模子。

当模子真确启动跑任务的时候，它需要查文档、跑代码、测接口、读日记、调参数。

一个能熟练调用这些器具的模子，比一个记取了系数 API 文档但不会现实操作的模子有用得多。

此外，以前的模子过于被迫，它得恭候东谈主类发出教唆后才能延迟，况且每发出一次教唆，只可延迟一步。

但在长周期任务里，给定指标后，模子需要自主盘算推算和延迟。

被迫反馈只需递次路面前问题，主动鼓励需递次路通盘任务的结构、面前所处的阶段、下一步应该作念什么、如果失败了该如何调理。

这需要模子具备某种"任务感"，知谈我方在作念什么，为什么这么作念，作念到哪一步了。

当有了这一切后，AI 就启动插足"闭幕托福"阶段。

企业和个东谈主不再得志于" AI 帮我写了一段代码"，而是期待" AI 帮我完成了通盘功能模块的斥地、测试和部署"。

这是从助手到承包商的跳动。助手需要你告诉它每一步作念什么，承包商只需要你告诉它最终要什么闭幕。

长周期任务的看法并不崭新。学术界早就在连络强化学习、任务盘算推算、多步推理。

唐杰以为，恰是因为如下几个重要期间冲破，长周期任务在本年变得可以终了。

第一个等于挂念。

百万级高下文窗口和 RAG 期间的熟练，让模子巧合在永劫期任务中保捏对款式布景、历史尝试和用户偏好的挂念。

Claude Opus 4.7 接济 1M token 高下文窗口，GLM-5.1 接济 200K token。这意味着模子可以在一个会话中记取数十万字的代码、文档、对话历史。

它不会因为任务太长而健忘最初的指标，不会重迭依然尝试过的失败决策，开云中国体育2026世界杯官方app不会丢失中间门径的重要信息。

第二个是捏续学习。

天然真确的捏续学习仍然费事，但模子更新周期正在急剧缩小。全球当先模子依然作念到月度更新，国内模子紧随后来。如果来岁能作念到周更新，事实上就接近了捏续学习的后果。

模子不需要在闇练时就学会系数学问，它只需要能快速经受新器具、新 API、新业务规则。当更新周期弥散短，模子就能跟上现实宇宙的变化速率。

第三个是自我判断、自我进化。

唐杰推测，Claude 可能依然终赫然基础的自闇练能力。

模子我方写代码、清洗数据、生成合成数据，然后用这些数据闇练我方。GPT-5.5 就在用模子生成的代码和测试用例来更正我方的编程能力。

它启动知谈我方的谜底是否靠谱，知谈什么时候该重试、求证或回滚。

这种能力在长周期任务中至关着急。因为莫得东谈主会在控制监督每一步，模子必须我方判断面前线案是否可行，是否需要调理，是否依然达到指标。

但这条旅途也充满风险。

自我进化意味着东谈主类对模子闇练过程的截止力鄙人降。当模子启动我方生成闇练数据、我方评估闇练后果时，咱们如何确保它不会偏离东谈主类的价值不雅？咱们关于 AI 的价值又是什么？

唐杰的判断是，这些能力通过小巧的工程" tricks "终了。这意味着进展速率会比学术界预期的快得多，因为工程化的迭代周期远短于学术和期间上的翻新周期。

你只需要在现存架构上作念更好的 prompt 工程、更致密的强化学习、更可靠的器具集成。

智谱的 GLM-5.1 在 SWE-Bench Pro 上达到 58.4%，杰出 GPT-5.4 的 57.7% 和 Claude Opus 4.6 的 57.3%，等于这种工程化迭代的闭幕。

智谱：在长周期任务赛谈上的政策押注

算作智谱的创举东谈主兼首席科学家，唐杰发这条 X 彰着不仅仅期间不雅察，还多了一层政策宣言。

智谱在国内大模子阵营中的特色是期间基础底细塌实，但贸易化节拍相对严慎。

它不像 Kimi 那样靠 C 端爆款家具快速起量，也不像阿里、百度那样有雄壮的生态和流量进口。

智谱的门路一直是"模子能力先行，诓骗场景跟进"。先把基座模子作念到弥散强，再通过 API、专有化部署、行业处分决策变现。

长周期任务这个地点，无论是国内照旧海外，参与的玩家都很少，莫得明确的领跑者，寰球都在探索阶段。

OpenAI 的 GPT-5.5，定位等于"自主任务延迟"，强调的是 agent 能力和多门径责任流，Opus 4.7 亦然访佛。

然而二者在长周期这件事上，都还差点意旨真理。

两家公司并莫得展现出压倒性上风，市集时势也还远不决型。

天然在纯模子能力上追逐 GPT 和 Claude 很难，2026世界杯竞猜中国官网不外在长周期任务这个新方朝上，寰球都站在归并条起跑线上。

唐杰进一步提到了 NPC 这个看法。他以为长周期能力会鼓励从 OPC 到 NPC 的升沉。一东谈主公司的逻辑是"东谈主加 AI 器具"，无东谈主公司的逻辑则是" AI 系统加东谈主类监督"。

前者是增强，后者是替代。

不外无东谈主公司并不是确凿莫得东谈主，而是东谈主的定位发生了转变，从延迟者变成了指标设定者、资源建树者和包袱承担者。

真确被替代的是中间延迟层，比如那些负责鼓励任务和团结资源的岗亭。在 NPC 里，东谈主只需要设定指标和审核闭幕。

落到智谱身上，唐杰的不雅点预示着智谱接下来的发展地点。

智谱 GLM-5.1 的期间白皮书中提到，GLM-5.1 能捏续寥寂功课 8 个小时，单次任务可浩瀚延迟 1200-1700 步操作，无需东谈主工监控与干豫。

不外这仅仅一张获利单，要真确让企业宽心，还得看它换到更多场景后会不会掉链子，遇到没见过的问题时能不成靠我方的技能处分。

长周期任务不是一个通用家具，它需要针对不同业业、不同场景作念深度定制。

软件斥地需要的是代码知道和测试延迟，法律行业需要的是文档检索和合规查验，金融行业需要的是数据分析和风险评估。

不是说把模子卖给企业就收场，智谱还要把模子打包成能顺利上手的 agent 器具箱，客户无须从零斥地，也能快速搭出我方的长周期任务系统。

长周期任务系统不是智谱一家能作念出来的，它需要斥地者孝敬器具和插件，需要企业客户提供着实场景和反馈，还需要监管机构制定安全和合领域范。

智谱的开源策略等于在构建这个生态。

从市值来看，智谱是国产 AI 的国家栋梁，唐杰的每一个判断都会对国内 AI 产生很大的影响。

就以唐杰提到的自我进化来说，智谱是会追求自我进化？照旧会选定更保守的策略？

从 GLM-5.1 来看，智谱在走一条中间门路。

一方面，GLM-5.1 的闇练依然多数使用模子生成的合成数据，这是自我进化的雏形。

可另一方面，智谱强调"可解说的、可监管的"系统，这意味着它不会齐全废弃东谈主类截止。

这种均衡很难，但可能是最现实的旅途。

长周期任务是企业的核肉痛点，它能顺利替代东谈主力资本，能顺利擢升业务效力，企业雀跃为此支付更高的价钱。

如果智谱能拿下长周期任务，那么它的业务会进一步增长，市值也会更高。

AI 并吞宇宙

基于对长周期任务的判断，唐杰给出了一个预言，异日咱们可能会跳动 APP 的看法，顺利插足 LLM OS 期间。

什么是 LLM OS？诓骗按需生成，用户不再治理文献、窗口和按钮，用户只治理任务、权限和闭幕。

然而我想说，这个判断波及了当代计算机的压根逻辑。

APP 的本色是把功能固化在界面里，用户通过点击按钮来触发预设的功能。

你如果想发邮件，你就绽放邮件 APP，点击写邮件按钮，填写收件东谈主、主题、正文，点击发送。每一步都是事前遐想好的，你只可在遐想者章程的旅途上操作。

agent 的本色则是把指标交给系统，让系统临时组合器具、数据和界面来达成指标。

你告诉系统"给张三发一封邮件，告诉他款式程度"，系统会我方决定用哪个邮件服务、怎样措辞、什么时候发送。你不需要知谈邮件 APP 在那儿，不需要知谈怎样操作，你只需要抒发意图，系统负责延迟。

如果唐杰说的这个趋势建设，软件的中心将从"绽放哪个 APP "变成"告诉系统我要什么闭幕"。这将会颠覆现存的一切。

它挑战的是 80 年来的冯诺依曼架构，挑战的是通盘计算机科学的产业基础。

当今的操作系统，无论是 Windows、macOS 照旧 Linux，本色上都是文献治理器加进程调遣器。

它们治理的是数据在那儿、程序怎样运行、资源如何分拨。用户需要知谈文献存在哪个文献夹，需要知谈用什么程序绽放，需要知谈怎样在不同程序之间复制粘贴数据。

LLM OS 的逻辑齐全不同。

它治理的不是文献和进程，而是任务和权限。你不需要知谈数据存在那儿，系统我方能找到需要的数据。你不需要知谈用什么程序，系统会我方调用适合的器具。

你只需要告诉系统你要作念什么，然后恭候闭幕就可以了。

听起来可以，然而终了起来极其费事。

用户说"我要作念什么"，系统能准确知道吗？

天然话语是暧昧的、多义的、依赖高下文的。相通一句话，在不同场景下可能有齐全不同的含义。

是以模子不仅需要具备刚劲的语义知道能力，还需要麇集高下文、用户历史、面前情景来推断意图。

知道用户的意图以后，接下来就到了延迟任务。

一个高层指标需要领会成些许个子任务，每个子任务用什么器具完成，任务之间有什么依赖联系。

"给张三发邮件"这个浅陋任务，现实上包含了查找张三的邮箱地址、生成邮件内容、选定发送时期、处剪发送失败等多个子任务。

再往底层看等于器具调用。

邮件是器具、写字用的输入法是器具、网页亦然器具。系统需要能调用千千万万个不同的器具和服务，每个器具有不同的 API、不同的参数、不同的失误处理样子。

唐杰在闭幕提到了监管问题。

他承认这个不可逆的进程依然启动，但同期命令雅致想考如何监管。长周期任务和自主 agent 带来的监管挑战是前所未有的。

当 AI 寥寂完成一个任务并变成失掉，包袱应该由谁承担。斥地者、使用者，照旧 AI 自己？如果一个 AI 系统在延迟长周期任务时作念出了失误决策，导致企业失掉数百万，谁来负责？

2026 年 4 月，PocketOS 就遇到过一次典型事故。

一个基于 Claude 的 Cursor 编程 agent，在处理环境问题时误删了公司的坐褥数据库和备份，通盘过程只用了几秒钟。

现存的法律框架还莫得准备好答谢这个问题。

除此除外，当多数延迟层岗亭被 AI 替代，那么随之而来的等于安闲潮。

但安闲仅仅最容易被看见的闭幕，更深层的变化，是社会单干自己被再行改写。

以前，期间替代的常常是某个要道、某个器具、某种重迭服务；长周期 agent 要替代的，是"把事情鼓励到闭幕"的整套延迟能力。

它一朝建设，AI 就不再仅仅嵌在责任流里的辅助按钮，而会变成责任流自己的一部分。

唐杰以为，长周期任务不是 AGI 的一皆，但它可能是 AGI 第一次真确插足现实宇宙、真确启动重构东谈主类社会的样子。当 AI 不再仅仅答谢问题，而是启动承包闭幕，咱们就站在了一个历史性的出动点上。