此图展示了大规模语言模型 (LLM) 的快速发展及其功能的迅速扩展。 总而言之，人工智慧 (AI) 虽然之前只能完成人类几分钟就能完成的简单任务，但现在正迅速发展到能够执行复杂、专业化的任务，而这些任务需要人类集中精力四到五个小时才能完成。 - 图表座标轴 X 轴：LLM 发布年份 (2020–2026) 代表 AI 模型随时间推移的出现。 Y 轴：人类完成任务所需的时间 人类专家完成特定任务所需的时间被用来作为衡量任务难度的指标。数值越高，任务越复杂、越专业化。 - 早期阶段 (2020–2023) 在 GPT-3 时代，AI 仅在人类只需几秒钟或几分钟就能完成的非常简单的任务上取得了较高的成功率，例如句子补全或简单的资讯检索。 - 目前及近期展望（2024-2026 年） 图表突然向上飙升，显示技术进步呈指数级而非线性成长。 随著 o4-mini、gpt-5 和 Claude Opus 4.5 等模型的出现，任务解决难度显著增加。 - 具体任务范例的进展 图表左侧列出的任务展示了人工智慧的智慧发展程度。 修复小型 Python 库中的错误（约 1.5 小时）：人工智慧不再局限于简单的编码，而是开始发展调试技能，能够找到并修复库中的错误。 利用缓冲区溢位漏洞（约 2 小时）：这项任务需要进阶骇客技术和安全知识来识别和利用安全漏洞。 训练对抗稳健的图像模型（约 4 小时）：这是一项人工智慧工程任务，它超越了简单的图像创建，需要训练能够抵御对抗性攻击的稳健人工智慧模型。结论与启示 这张图表的核心讯息是：人工智慧已不再只是辅助工具，而是进入了专家级的领域。 如果人工智慧能够在几秒钟或几分钟内完成人类需要半天才能完成的任务，它将彻底改变各行各业的生产力。 这显示人工智慧在执行以往只有高技能知识工作者才能完成的任务方面，例如编码、安全分析和建模，拥有越来越大的潜力。 图表显示，y轴每四个月翻一番，这意味著人工智慧能够完成一整天（24小时）甚至更长的工作的那一天指日可待。

我们完蛋了 这是“人工智慧领域最重要的图表” 每隔四个月，人工智慧能够完成的编码任务长度（与人类相比）就会翻倍 你知道这有多快吗？ x.com/aidigest_/stat…