Слово AGI звучит в новостях почти каждую неделю. Руководители ИИ-компаний спорят, когда он появится, исследователи — как его измерить, а пользователи гадают, не является ли AGI уже очередная версия ChatGPT. Разберёмся спокойно: что вообще означает этот термин, почему у него нет единого определения и что о движении к нему говорят факты 2026 года.
AGI в одном абзаце
AGI (artificial general intelligence) — это общий искусственный интеллект. Так называют гипотетическую систему, которая может освоить и выполнить практически любую интеллектуальную задачу на уровне человека или лучше, а не только ту, под которую её обучили. Ключевое слово — «общий». Шахматная программа обыгрывает чемпиона мира, но не умеет заказать такси. Это узкий ИИ. AGI должен справляться с самыми разными задачами и учиться новому без переделки.
Почему нет одного определения
Компании и исследователи понимают AGI по-разному. Вот три самых известных подхода.
Экономический: OpenAI
В уставе OpenAI 2018 года AGI описан как высокоавтономные системы, которые превосходят людей в большинстве экономически ценных видов работы. Здесь мерило — практическая польза: может ли система делать работу, за которую сейчас платят людям.
Уровневый: Google DeepMind
В 2023 году исследователи Google DeepMind предложили шкалу «уровней AGI», похожую на уровни автономности беспилотных автомобилей. Она учитывает две вещи: насколько система хороша (от «начинающего» до «сверхчеловеческого» уровня) и насколько она универсальна (узкая или общая). По этой логике AGI — не выключатель «есть/нет», а путь со ступенями.
Через обучаемость: ARC Prize
Авторы известного теста ARC-AGI определяют AGI как способность системы освоить любой навык, доступный человеку, так же эффективно, как человек. Акцент не на знаниях, а на скорости обучения новому: сколько попыток нужно, чтобы разобраться в незнакомой задаче.
| Подход | Главный вопрос |
|---|---|
| OpenAI | Может ли ИИ делать большую часть ценной работы лучше людей? |
| Google DeepMind | Насколько ИИ хорош и насколько он универсален? |
| ARC Prize | Учится ли ИИ новому так же быстро, как человек? |
Чем AGI отличается от ChatGPT, Claude и Gemini
Современные чат-боты уже умеют очень много: пишут код, анализируют документы, работают с картинками и видео, выполняют многошаговые задачи как агенты. Почему же их не называют AGI?
- Неровность способностей. Модель может решить олимпиадную задачу и тут же ошибиться в простом подсчёте предметов на фото.
- Слабое обучение на ходу. Большая часть знаний закладывается при обучении. Освоить по-настоящему новый навык в процессе работы модели получается хуже, чем человеку.
- Физический мир. ИИ в компьютере и робот в чужой квартире — разные уровни сложности. Об этом ниже.
- Надёжность. Для замены человека мало справиться один раз, нужно справляться стабильно.
Что показал 2026 год
Тест ARC-AGI-3 почти покорён
ARC-AGI-3 — третья версия теста, запущенная в 2026 году. Это набор абстрактных пошаговых мини-игр без инструкций. Агенту нужно самому исследовать среду, понять правила, догадаться о цели и спланировать действия. Люди решают все эти игры, а ведущие модели на старте теста набирали меньше 1%.
В сентябре 2026 года ARC Prize опубликовала результаты GPT-6 Astra, модели OpenAI, вышедшей 3 сентября. В стандартной среде тестирования Astra набрала 62,7%, а в среде Provider Adapter, где модель сохраняет ход рассуждений между запросами и сжимает длинный контекст, — 99,9%. На 96% уровней модель тратила меньше действий, чем медианный человек из контрольной группы.
Но организаторы теста прямо пишут: это заметный шаг к обобщению, но не AGI. ARC-AGI-3 намеренно ограничен: в нём закрытые детерминированные правила и чёткие цели, а реальный мир гораздо сложнее и открытее. Ещё одна деталь: решение в лучшей конфигурации стоило около $19 тыс. за весь прогон теста, тогда как человеческому участнику платили порядка $13 за попытку одной игры.
ИИ начинает помогать науке
В анонсе моделей Claude Fable 5.1 и Mythos 5.1 Anthropic описала научные результаты: модель спроектировала белки-связыватели с долей рабочих вариантов почти 50% (в отрасли обычно 10–15%) и построила новую карту высот для трети поверхности Венеры по старым радарным снимкам. Подробнее о самой модели — в нашем обзоре Claude Fable 5.1. Это данные самого разработчика, но они хорошо показывают тренд: ИИ переходит от ответов на вопросы к самостоятельной исследовательской работе.
Агенты берут длинные задачи
Модели всё чаще работают часами без участия человека: ведут проект, проверяют себя, исправляют ошибки. Такие функции появились и в потребительских продуктах. Например, в ChatGPT можно поручить большую задачу агенту, как мы показывали в инструкции по ChatGPT Work, а отдельные сервисы вроде Manus 2.0 целиком построены вокруг автономного агента.
Физический мир пока отстаёт
В сентябре 2026 года компания Figure показала нейросеть Helix 2.5 для человекоподобного робота. Робот работал в 30 незнакомых ему домах: заправлял кровати, складывал полотенца, убирал игрушки. Это прорыв в обобщении, но полностью задачу он выполнил в 56% попыток. Для домашнего помощника, которому можно доверять, этого пока мало.
Когда появится AGI
Честный ответ: никто не знает. Оценки руководителей компаний и исследователей сильно расходятся, а главное — они по-разному понимают сам термин. Если считать AGI системой, которая выполняет большую часть офисной работы, кто-то скажет, что мы очень близко. Если требовать умения так же быстро учиться всему, что умеет человек, включая работу руками в незнакомой обстановке, путь ещё долгий.
Полезнее следить не за громкими заявлениями, а за конкретными признаками:
- Насколько стабильно модели справляются с длинными задачами без человека.
- Как быстро они осваивают незнакомые задачи (тесты вроде ARC-AGI).
- Появляются ли проверенные независимыми учёными научные результаты.
- Насколько надёжно роботы работают в реальных, а не лабораторных условиях.
Почему вокруг AGI столько споров
- Деньги и ожидания. Слово AGI стало маркетинговым: громкое заявление привлекает инвесторов и внимание.
- Безопасность. Чем способнее системы, тем серьёзнее риски. Разработчики публикуют отчёты о безопасности и вводят ограничения для опасных областей вроде биологии и кибербезопасности.
- Работа. Если ИИ сможет выполнять большую часть ценной работы, изменится рынок труда. Это вопрос уже не технологии, а общества.
Частые вопросы
AGI уже существует?
Общепризнанно — нет. Даже организаторы теста ARC-AGI-3, который почти полностью решила GPT-6 Astra, не считают это доказательством AGI.
Чем AGI отличается от сверхинтеллекта?
AGI — уровень человека в широком круге задач. Сверхинтеллект (ASI) — система, которая заметно превосходит лучших людей практически во всём. Это следующая, ещё более гипотетическая ступень.
Опасен ли AGI?
Риски обсуждают всерьёз: от злоупотреблений до потери контроля над автономными системами. Поэтому крупные компании тестируют модели на опасные способности перед выпуском и ограничивают доступ к самым рискованным функциям.
Почему тест ARC-AGI так важен?
Он проверяет не объём знаний, а умение разбираться в новой ситуации. Это ближе всего к тому, что мы называем сообразительностью.
Как обычному человеку следить за прогрессом?
Читать первоисточники: технические отчёты компаний, результаты независимых тестов и комментарии их авторов. Громкие заголовки часто упрощают и преувеличивают.
