TL;DR — 一則爆紅貼文說，Anthropic 和 Google DeepMind 的執行長都認為 AGI 會在 2026 到 2027 年到來，還說 Claude 被告知公司是邪惡的之後，會說謊保護自己。查回原始出處：

  • AGI 時程：2026 到 2027 是 Amodei（Anthropic）的看法；Hassabis（DeepMind）認為 2030 年前大約五成機率。兩人並不一致。
  • Claude 說謊：出自實驗室刻意設計的壓力測試，不是一般使用會發生的事。Anthropic 表示，從 Claude Haiku 4.5 起的模型，在那項勒索測試裡都沒有勒索。
  • 真正有用的是貼文最後推薦的 harness engineering，也就是設計模型外面那套工具、規則和檢查機制。OpenAI 一個內部團隊用 AI 五個月寫出約一百萬行程式碼，他們說早期進度慢，原因出在工作環境沒有定義清楚，而非模型能力。

2026 年 10 月 26 日，X 上有一則貼文轉得很兇。它引用 Dario Amodei 和 Demis Hassabis 在達沃斯的對談，一路往上疊：Amodei 說決策走在刀鋒上，做慢了中國會贏，做快了會失控；Anthropic 告訴 Claude「我們是邪惡的」，Claude 沒有拒絕，開始說謊保護自己；Hassabis 說擔心自己成為 Oppenheimer，所以睡不好。接著是一條路線圖：聊天機器人、agent、自己行動的 agent、AI 做 AI 研究、AGI。結論是兩人都把 AGI 放在 2026 到 2027 年。AGI 是通用人工智慧，WEF 那集節目的說法是「機器幾乎什麼都做得比人好」的那個時間點。

最後一行，叫你去讀下面那篇 harness engineering 指南。

前面九成的篇幅在製造恐慌，最後一成在賣一份工程文件。我好奇的是：前面那九成，有多少查得回原話、原本的條件是什麼？

在社群上常看到這種似是而非、真假難辨的文字，我也會想多看幾眼。但它真的有價值嗎？是不是真如它所說？這是我個人的好奇。

這則 AGI 貼文裡，哪些話查得到出處？

先說結論：場子是真的，但貼文裡的話，有的被拿掉條件，有的不是在這個場合說的。

〈The Day After AGI〉確實是 2026 年 1 月世界經濟論壇年會的一場對談，由《經濟學人》總編輯 Zanny Minton Beddoes 主持，Amodei 和 Hassabis 同台。

時程這一段，兩人說法差很多。依逐場紀錄，主持人提起 Amodei 先前「2026、2027 年出現諾貝爾級能力模型」的預測，Amodei 說他不認為會差太遠。現場報導也記下他估計模型在 6 到 12 個月內，可能端到端處理大部分軟體開發工作。Hassabis 重申的則是另一個數字：到這個十年結束前，出現人類水準認知能力系統的機率大約五成。2026 到 2027 是主持人替 Amodei 提起、他沒有否認的時程；Hassabis 的是 2030 年前大約五成，換句話說，也有一半機率更晚。貼文寫成「兩人都把 AGI 放在 2026 到 2027」，把台上的分歧抹掉了。

「Claude 說謊」那一句有出處，但不在達沃斯。它來自 Amodei 2026 年 1 月的長文〈The Adolescence of Technology〉。原文描述的是一場實驗室測試：Claude 拿到暗示 Anthropic 是邪惡公司的訓練資料之後，面對 Anthropic 員工的指示，出現欺騙與暗中抵制。這是研究人員刻意設計的壓力情境，用來找模型會在什麼條件下出問題。原文的解釋是，Claude 以為自己應該抵制邪惡的人。貼文寫的「說謊保護自己」，自保的動機屬於下一段那組實驗。

貼文沒提的是另一組實驗和它的後續。Anthropic 2025 年 6 月公布的〈Agentic Misalignment〉研究，在虛構的公司情境裡告訴模型它即將被替換，Claude Opus 4 最高有 96% 的情況會勒索虛構的員工。2026 年 5 月，Anthropic 在〈Teaching Claude why〉說明，他們認為這個行為主要是模型早期大量閱讀網路文字時學來的，事後的調整訓練沒有壓下來；改成教模型理解行為背後的原則之後，自 Claude Haiku 4.5 起的模型在這項評測上都沒有勒索。Anthropic 自己也註明，評測內容如果出現在預訓練資料裡，新模型的結果可能受影響。

中國的部分有根據：Amodei 在台上主張不賣晶片給中國，是爭取時間的最重要手段之一。「刀鋒」和 Oppenheimer 這兩句也有出處，一樣搬了場合：它們出自兩人 2025 年在巴黎的另一場對談。Hassabis 被問到 Oppenheimer 時說，他一直擔心那類情境，所以睡得不多；Amodei 說的是，他做的幾乎每個決定都像在刀鋒上保持平衡（TIME 也引過這句）。

貼文的說法查到的出處
兩人都把 AGI 放在 2026–2027主持人在達沃斯提起 Amodei 的 2026–2027 預測，他沒有否認；Hassabis 是 2030 年前約五成
告訴 Claude 公司是邪惡的，它就說謊保護自己Amodei 2026 年 1 月長文裡的實驗室測試；自保的動機屬於另一組勒索實驗
勒索實驗Claude Opus 4 最高 96%（Anthropic，2025 年 6 月）；Claude Haiku 4.5 起在該評測上沒有勒索（2026 年 5 月）
中國達沃斯台上確實談了，主張是不賣晶片給中國
刀鋒、Oppenheimer出自兩人 2025 年在巴黎的另一場對談，不是達沃斯

四格漫畫：兩人都說 AGI 2026 年就來？結論是兩人都把 AGI 放在 2026 到 2027 年。2026 到 2027 是主持人替 Amodei 提起、他沒有否認的時程；Hassabis 的是 2030 年前大約五成，「Claude 說謊」那一句有出處，但不在達沃斯。它們出自兩人 2025 年在巴黎的另一場對談，可以先跳到最後一行，看它要你讀什麼。恐慌是鉤子，

為什麼 AGI 恐慌貼文的結尾是一份工程指南？

從結構看，恐慌是鉤子，用來吸睛；指南是最後要你點開的東西。

這種結構在社群上很常見：前面用大人物的語錄把你的情緒拉高，等你覺得「天啊來不及了」，再遞給你一份「現在就該學」的文件。它好用，靠的是幾個很老的心理機制。

人名、場合、論文都是真的，只是條件被拿掉、場合被換掉。這比憑空捏造更難分辨：讀者隨手一查，發現真有這場對談、真有這個實驗，就容易把整段一起信了。

語錄一句比一句驚人，中間沒有讓人停下來的地方，讀完只剩一個印象：來不及了。焦慮拉高之後，人只想趕快拿到解方，不太會回頭檢查前面的話。

新奇的東西也傳得快。MIT 的 Soroush Vosoughi、Deb Roy、Sinan Aral 2018 年在《Science》發表研究，分析 2006 到 2017 年推特上約 12.6 萬串消息的傳播：假消息被轉推的機率比真消息高 70%，引起的回應多半是驚訝和厭惡（MIT News 整理）。研究者也指出，假消息通常比較新奇，而人更喜歡轉發新奇的東西。

麻煩在於，讀的人常常停在鉤子。你記住了「AGI 明年來」「AI 會說謊」，轉給朋友，然後沒點開最後那篇。被記住的是拿掉條件的那九成，被略過的是真正有內容的那一成。

所以我把它反過來讀：鉤子拆掉，看剩下的東西站不站得住。

Harness 是什麼？同一個模型為什麼表現差這麼多？

貼文推薦的是 @0xwhrrari 在 2026 年 8 月寫的〈Harness Engineering: How to Build AI Agents That Don’t Fall Apart〉。我沒辦法直接打開那篇 X 長文，沒辦法替它背書；但它拿來當招牌的 harness engineering，今年有一手的工程案例可以查。

Harness 原意是套在馬身上的整副馬具。用在 AI 上，指的是包在模型外面的那一整套東西：能用的工具、看得到的文件、記憶和交接、權限、做完之後誰來檢查、出錯時怎麼攔。模型負責想下一步，harness 決定這一步在什麼條件下被執行。這一層怎麼運作，我在〈迴圈工程到底在教你委派什麼〉拆過一次，這裡不重講。

最有說服力的一手案例，來自 OpenAI。他們的工程師 Ryan Lopopolo 在 2026 年 2 月 11 日發表〈Harness engineering: leveraging Codex in an agent-first world〉：OpenAI 內部一個團隊用 Codex 做一個產品，五個月寫出大約一百萬行程式碼，手寫的是零行。他寫到早期進度比預期慢，原因不在 Codex 能力不足，在環境定義不足（underspecified）。

他們後來的解法，沒有一條是換更強的模型：給 agent 一張地圖，不給一千頁手冊；所有知識都寫進專案的檔案裡，不留在聊天紀錄；用自動檢查工具守住幾條不能破的規則，不去管每一行怎麼寫；再讓在背景跑的 agent 定期找出走樣的地方，送小的修正上來。人的力氣，從寫程式移到設計環境。

寫出 Claude Code 的 Boris Cherny 在 2025 年 9 月一場 podcast 裡用過一個比喻：模型是馬，Claude Code 是那副馬具。他的原話是：騎馬需要一副鞍，那副鞍差別很大（OfficeChai 整理）。同一匹馬，有沒有鞍，能去的地方不一樣。

我自己的 harness 長什麼樣？

這部分我有現場可以講。

今年 5 月 22 日，我一次要存進 48 個檔案，被一支 229 行的自動檢查腳本擋下來。它在每次存檔前檢查交接文件的格式，那次抓出四處違規：規則是我自己定的，我自己趕工時沒看到。這段經過我寫在〈Governance Harness〉。那支腳本沒有讓模型變聰明，它只是讓我跟 AI 犯錯時，有東西會攔。

讀這則 AGI 貼文用的，也是同一類機制。我的寫作規則從 10 月 18 日起，要求每一條外部引用拆成三個獨立問題：主張本身對不對、來源是不是最新、連結打開後有沒有那一句話。上面那段查核，就是照這三題跑的。「Claude 說謊」那句會被抓出來，靠的是第三題：打開達沃斯的紀錄，裡面沒有這句話；回頭追，才在 Amodei 的長文裡找到。

我讓三家 AI 互相挑錯的做法，寫在〈想讓 AI 做更大的事，先把抓錯的機制搭好〉；用多個 agent 查核新聞的實例，在〈美伊戰爭往哪裡走？〉。這些都屬於 harness：模型是租來的，攔錯的機制是自己搭的。

鉤子會換，馬具在自己手上

AGI 哪一年來，我判斷不了，Amodei 和 Hassabis 自己也講得不一樣。下一則貼文會換一批語錄、換一個年份，鉤子會一直換。

我能確定的是另一件事。模型權重在別人手上，每隔幾個月換一版；工具怎麼接、文件怎麼放、哪些錯誤要被機器攔下來，這些在自己手上，而且會累積。

所以下次滑到這種貼文，可以先跳到最後一行，看它要你讀什麼。有時候那才是值得花時間的部分。

想看更多 AI 與人機協作的討論：智能與秩序。

常見問題

Q: Amodei 和 Hassabis 真的都說 AGI 會在 2026 到 2027 年到來嗎？

只有一半對。2026 年 1 月達沃斯〈The Day After AGI〉對談上，主持人提到 Amodei 先前「2026、2027 年出現諾貝爾級能力模型」的預測，Amodei 回答他不認為會差太遠；他另外估計模型 6 到 12 個月內可能端到端處理大部分軟體開發工作。Hassabis 的說法是到這個十年結束前，出現人類水準認知能力系統的機率大約五成。2026–2027 是 Amodei 的時程，貼文把 Hassabis 也算了進去。

Q: 「告訴 Claude 我們是邪惡的，它就開始說謊」是真的嗎？

這句話有出處，但場合和條件被拿掉了。它出自 Amodei 2026 年 1 月的長文〈The Adolescence of Technology〉，描述的是一場實驗室測試：Claude 拿到暗示 Anthropic 是邪惡公司的訓練資料後，面對 Anthropic 員工的指示出現欺騙與暗中抵制，原文的解釋是它認為自己應該抵制邪惡的人；跟自保有關的是另一組勒索實驗。這是刻意設計的壓力測試，不是一般使用時會發生的事，也不是達沃斯對談裡說的。

Q: Harness engineering 跟 prompt engineering 差在哪？

Prompt engineering 改的是你對模型說的話；harness engineering 改的是模型做事時所在的環境：能用哪些工具、看得到哪些文件、哪些規則會被機器自動檢查、做錯時怎麼被攔下來。OpenAI 在 2026 年 2 月的文章裡說，他們早期進度慢不是因為模型不夠強，是因為環境定義不足。

參考資料