Sora之死，LLM與AGI路徑

Sora APP下架了，還有開發者API、ChatGPT內支持視頻功能，以及與迪士尼的10億美元合資計劃，統統下架了。許多人沒有想到，這一款幾乎與ChatGPT和o1齊名的視頻生成模型，這么快就被OpenAI宣判了死刑。

當初Sora發布，逼真效果何等驚艷，在網絡上產生了大量宣泄好奇和情緒的視頻，人們以為其前景足以顛覆好萊塢。AI視頻又是吞噬token的黑洞，人們對于token經濟、對于算力基礎設施、對于GPU芯片的增長預測，相當一部分建立在AI視頻的基礎之上。

Sora財務與戰略的雙重潰敗

Sora之死，并非源于技術上的主動放棄，而是財務崩潰后的被動收縮。2025年9月底，Sora推出獨立App，在各大應用商店幾天內名列榜首，下載量峰值達330萬次，但到2026年2月已驟降至110萬。更致命的是：應用內購收入僅為210萬美元，而OpenAI每天在AI視頻生成上的支出高達1500萬美元，潛在年度耗資超過50億美元。Sora負責人Bill Peebles曾公開承認，Sora的經濟模型目前完全不可持續。

三重死穴使視頻模型的獨立商業化幾乎無路可走：其一，算力消耗極大，短期內難以克服；其二，深度造假（Deepfake）帶來重大安全與法律風險，各國政府嚴格監管，中國已出臺AI視頻標注與生成授權的專項措施；其三，訓練數據版權問題懸而未決，字節跳動的Seedance 2.0也因此暫停全球發布。就在Sora宣布下架的前一天，OpenAI還在發布視頻內容安全措施，某種程度上也是一種無奈的交代。

目前真正引領AI視頻賽道的，已是谷歌的Veo 3和字節的Seedance 2.0，爭奪消費視頻之王；視頻功能主流形態是集成進多模態模型——Veo在Gemini里，Seedance在豆包里，萬相在千問里。AI視頻的獨立產品化實驗，以Sora的失敗宣告階段性終結。

OpenAI CEO奧特曼（Sam Altman）向員工表示，結束Sora將釋放資源用于下一代AI模型。OpenAI的戰略意圖已非常清晰：用Codex應用與ChatGPT、瀏覽器合力打造桌面超級應用，將重心重新集中于企業與開發者客戶——而Anthropic已在這一領域取得相當大的先機。

OpenAI在重歸語言模型嗎

Sora的失敗，表面看來是OpenAI正在回到它所賴以起家的大語言模型（LLM）。它用語言模型開辟了AGI之路，但是真正堅持語言模型并且可能已經打通這條路徑的，是Anthropic，其創業團隊正是OpenAI的一群叛將。

但是在去年底，AI圈內一度彌漫著對于LLM的批判，并且掀起了一股世界模型（World Model）的熱潮。圖靈獎獲得者楊立昆（Yann LeCun）持續多年認為，LLM只是基于文本這一單一知識形式，讓我們誤以為它們是智能的，實則對現實的理解極為膚淺，并將LLM定性為通向人類級智能道路上的出口匝道、一個分心之物、一條死路。他的論據不無道理：LLM雖能通過律師考試、求解方程，但我們至今沒有一個能與貓媲美的家用機器人，語言只是思想的序列化版本，是一個相對低維、離散的空間。

楊立昆于2025年底離開Meta，創立AMI Labs，專注于世界模型研究，其公司融資估值已達30億歐元。他在英偉達GTC演講中明確表示：僅僅擴大規模無法讓我們達到AGI。

然而，楊立昆的批評存在一個關鍵盲點：他的靶子是靜態的、封閉的、純文本預測的LLM，而不是嵌入在行動—感知—反饋循環中的智能體化LLM。兩者在本質上已是截然不同的系統。Sora的失敗，恰恰證明了多模態擴展并不是解題的鑰匙；而編碼智能體的崛起，正在以另一種方式回應他的挑戰。

Anthropic：編碼是LLM走向AGI的符號世界具身性

Anthropic一直堅持語言模型路線，自己不玩圖像視頻，可以調用其他應用或技能來完成。Claude Code還用命令行（CLI）復古了。外界曾視此為保守，如今看來是洞見。

在SWE-bench Verified（真實GitHub軟件工程問題評測）上，Claude Opus 4.5得分達80.9%，超越GPT-5.1和Gemini 3 Pro。但這不只是一個工程成就，背后有更深刻的認知邏輯：

代碼是一種有接地真相（ground truth）反饋的形式化世界——編譯器不會撒謊，測試通過或失敗，提供明確的現實反饋，調試過程要求模型經歷感知-行動-觀察-修正的完整循環。這恰好部分回應了楊立昆的核心指控——LLM沒有感知反饋、缺乏物理世界錨點。編碼智能體通過工具使用和代碼執行，在符號世界中獲得了一種具身性。

Claude Opus 4.5還展示了一個更引人注目的特性：能自主精煉自身能力——在4次迭代中達到峰值性能，而其他模型經過10次迭代也無法達到同等質量，并展示出跨任務經驗學習的能力，能儲存洞察并在之后應用。這不是單純的擴展，而是在架構不變的前提下，通過智能體框架涌現出的新能力。

數據印證了這條曲線的加速性：AI自主任務的執行時間視野每4至7個月翻一倍（2024-2025年已加速至約4個月）——30分鐘時能自動補全代碼片段，4.8小時可重構整個模塊，多天任務則可自動化完整審計。這是一個完全不同于純文本擴展律的能力涌現曲線。

OpenAI的醒悟與重組

OpenAI也醒悟過來——編碼正是通向認知領域AGI的路徑。Codex的發布邏輯已說明一切：所有事物都由代碼控制，智能體在推理和生成代碼方面越出色，它在所有形式的技術和知識型工作中就越有能力。

沃頓商學院研究AI與創新的莫立克（Ethan Mollick）教授觀察到三種路線的分野：Anthropic專注于語言模型；OpenAI不停地嘗試又拋棄各種概念；谷歌則應有盡有。他不知哪個終局最好。但現實的回答已經清晰——目前GPT、xAI和中國的開源模型，都在學習Anthropic，加重編碼、智能體與企業服務的分量。Codex與Claude Code之間的競爭，已成為當下AI競賽最核心的戰場。

在Sora下架前，OpenAI已推出Codex應用，并預訓練好了下一個模型Spud，將于數周內發布。OpenAI的領導層分工也做了調整：Fidji Simo的頭銜，已從負責應用的CEO，調整為負責AGI部署的CEO。對齊與安全團隊將不再向奧特曼匯報。這一切似乎意味著，OpenAI認為它已在技術上實現了AGI，其標志將是Spud模型——即在認知領域創造經濟價值已達到人類水平。其下一個目標，將是在物理世界實現AI。因為Sora而一舉成名的Bill Peebles，也將帶領他的團隊，轉向機器人項目。

當下的核心挑戰，已從智能體能做什么，轉變為人們如何以更大規模指揮、監督它們并與其協作。英偉達的Rubin CPX、Groq 3推理芯片系統，重要部分原本是為了視頻生成而設計，OpenAI砍掉視頻項目，可能也會影響其未來算力基礎設施的規模預期。

重新認識LLM與AGI路徑

Sora的下架與編碼智能體的崛起，共同指向了一個更清晰的理論圖景：

楊立昆正確的部分是——純自回歸文本預測無法通向物理世界的通用智能，Sora的失敗也是多模態暴力擴展路徑的一次市場檢驗。

Anthropic押注正確的部分是——LLM不應被視為封閉系統，而應視為認知基底（cognitive substrate）。當它被嵌入工具使用、記憶管理、多智能體協作、代碼執行的基礎設施中，語言模型的涌現能力會突破楊立昆所指的那些天花板。不是因為改變了架構，而是因為改變了信息流的結構。

這背后有一個激進的技術哲學主張：代碼，作為人類認知最形式化、最可驗證的表達形式，是LLM突破感知邊界的橋頭堡。一個能自主編寫、測試、調試、優化工具的AI，實際上正在以某種方式理解因果關系——哪怕這種理解發生在符號空間而非物理空間。在AGI導向的圈子里，有一個長期假設正在被印證：擁有最好的編碼模型將讓你最快抵達AGI——前提是接受實現AI想法的能力是進步瓶頸這一判斷。

AI視頻顛覆好萊塢的喧囂，可以暫時休矣。Hugging Face創始人克萊門特認為，這么拋棄掉太可惜，還不如開源出去，也是對AI視頻社區的貢獻。許多人則認為Sora的謝幕是一件好事——它耗費了巨大資源，卻主要做出了一個深度造假的利器，帶來的社會影響總體是負面大于正面的。

這也給所有AI科技公司留下了一個根本性的追問：是不是用AI所做的一切，只要是驚艷的、SOTA的，就一定是有價值的、有益處的？