先说我的结论，Open AI和Deepmind在ICPC 2025 World Final上的表现，证明了AGI已经势不可挡。我对AGI已经没有了任何怀疑。

更新（9/21/2025）：

看了大家的回复后，我想再补充几点。

（1）首先是关于这次成绩的真实性。我在评论区看到有人，比如 @南风 就提到：“OpenAI有作弊前科，还是多观察下”。我其实也同意OpenAI过去有过夸大宣传（hype）甚至是某种意义上可视为“作弊”的记录，但这一次，我认为结果是可信的。

我的判断，核心论据来自Linux.do社区的一个帖子。有用户测试了公开的 gpt-5-high API，结果是12道题中做出了9道。其中6道题甚至没在本地编译就直接一发AC，另外3道也只反馈了一次就AC了。

GPT-5 (high) API ICPC(国际大学生程序设计竞赛) 2025 测试结果

一个公开的、能力还不是最强的模型都能做到这个地步，那OpenAI用内部算力更足、更强的旗舰模型AK全部题目，是完全可能的。

（2）我看到有些人说，算法竞赛解决的只是玩具问题，和实际工程能力差得比较远。我承认，工程项目上的挑战，跟算法竞赛确实有很多不一样的地方。但对现在这种基于cot reasoning架构的LLM来说，它在这两方面的能力表现是高度相关的。

我们可以看一个很清晰的时间线对比。2023年4月，GPT-4的Codeforces评分只有400分，这意味着它的coding能力低于绝大多数学过编程的人，就不用说跟算法竞赛选手比较了。那时候它在工程上基本没法用，那是自然，因为最简单的需求都会写出千疮百孔的代码。

直到2024年9月，GPT-o1发布，rating冲到了1900分。说明模型在做简单至中等难度的算法题时，其CoT已经能保证大概率做对，会做且考虑清楚了所有边界情况。

这样的CoT显然也是能帮助在做工程项目里的简单至中等难度的需求时，能理清楚需求和实现的各种细节。于是紧接着在第二年，各种AI Code Agent就如同雨后春笋一般冒了出来，变得真正实用。

今年8月，GPT-5刚出来的时候骂声一片，但过一会儿后，在coding领域的口碑就迅速反弹，很多人都认为它比几个月前大家公认的Claude Code写代码要更好。那我们看前面的GPT-5（high）的算法竞赛成绩就不难理解了。

现在大家vibe coding所使用的模型都只是在rating 1600-1900分左右，如果说明年，大家用的模型能达到OpenAI参加这次ICPC的内部模型的能力的话，我认为vibe coding肯定也会有很大的飞跃。

（但我依然认为这个时代，经验丰富的程序员依然是很重要的，能力更强者之间的合作带来的效益是远大于小白和能力强者之间的合作的。）

（3）我看到有人说，ICPC之所以能被AI攻克，是因为它有严格、标准化的评测，对就是对，错就是错。其他领域，比如画画、写小说，主观性太强，AI就很难做好。

我同意其他领域可能会更困难，但这套AGI的模式仍然是通用的。只需要看，我们是否能为这个领域建立一个有效的评价机制。

不一定非要有绝对客观的标准。只要我们能训练出一个评价模型（Reward Model），它能以比较高的准确率，判断出AI的一个产出是好是坏，并且能判断出“产出A”比“产出B”更好还是更差。只要有了这个，AI就有了明确的优化方向。

一旦这个评价机制建立起来，AI就能通过海量的尝试和反馈，不断地产出更符合人类期望的结果。到那时，这个领域里“人类的智能”也就被AI学会并可以无限复制了。这就是为什么我认为AGI已经势不可挡，人类在所有理性的领域上展示的智能，都能被AI复制。

（4）刚刚提到的评价模型无法覆盖的领域，我认为就是那些感性因素远胜于理性因素的领域。在这些领域，就算没有AI，光凭人类的理性也无法得到公认的答案。（画图不属于此，因为虽然大家审美不同，但还是有大多数人都同意的审美标准）。

我能想到的一个例子就是现在的美国政治。对于美国总统这个岗位，比如我们看特朗普，无论他做什么，都有大概一半美国人认为他做得很好，另一半人觉得他做得很差。

在这种情况下，我们根本无法训练出一个可用的评价模型，因为人类的反馈本身就是完全分裂的。这样的模型，其效果可能还不如随机猜测（random guess）。

所以，“美国总统”就是我想到的一个绝对不会被AI替代的岗位。

这也让我对那些关于“AI Doom”的悲观预言有了新的看法。有些悲观派认为AI会取代所有工作，AI将接管并统治世界，但你看到，那肯定是有一些岗位是无法被替代的，而人类的Administrator，显然没法，也不会被AI替代。

以下是原回答：

利益相关：我是退役了好几年的算法竞赛选手，退役前最好成绩是国内区域赛金，离入围Final还有点距离，Codeforces最高rating在2200左右。

我一直觉得，算法竞赛的成绩对LLM时代的AI来说是极好的benchmark，原因有3:

（1）完全排除训练数据污染的问题。ICPC，OI，Codeforces（除了educational round）等比赛，对出题者的基本要求就是不能出原题。也就是说，只要我们保证测试的比赛的时间是在LLM knowledge cutoff之后的，就基本能保证没有数据污染。

（2）有很标准化的，且很严苛的测试手段。只要测试数据出得足够好（大多数情况都能满足），提交的程序只要有任意一个地方没考虑清楚就是0分。相比较之下，很多其他领域的主观题，需要靠人类评委来打分，很多时候写个差不多好的答案，中间稍有疏漏也能有不错分数。

（3）简单题可能一眼就能看出解法，但很多难题需要很长的推理过程，且需要一些奇思妙想。这点很适合测试现在的reasoning模型加长cot之后的表现。

如今两家公司基本上算是攻破了这一benchmark（OpenAI成绩更好一些）。

这在我两年前，甚至一年前，是完全想象不了的。因为2023年4月的GPT 4在很多benchmark（比如文学等）上表现得很优异的同时，Codeforces只有400分。远低于任何一个刚刚入门算法竞赛的人类选手。

GPT 4这时候我就听到了AGI的概念，当时我是完全不信的。它离我自己的水平都差得远了，只是看起来会“生成代码”而已。

之后的一年多，我都维持了这个判断。我始终觉得Next token prediction这个pattern要产生真正的“智能”是不靠谱的，从原理上就难以解决hallucination这个问题。

直到2024年9月，o1带来的reasoning范式，确实是一个大进展。Codeforces rating来到了1900，甚至2100.我认为模型后训练对cot强化学习后，推理能力比纯的next token prediction强了很多。但仍然有点侥幸，因为我认为它的推理能力还是没有超过我。至少很多我会做的题，o1甚至o1 pro都还是做不出来。

o3宣称rating到了2700+，但我一直怀疑这个数字，因为这个o3是最初的满血版o3，而且是对算法竞赛做了专门的后训练的，一直没有公开访问权限。

然后是现在，Open AI宣布AK了ICPC 2025 World Final（即全部题都做出来了）。最难的那道C题，不仅场内选手没做出来，场外mirror的jiangly（我认为很接近算法竞赛的GOAT水平）也没做出来。相信看过直播的人都印象深刻。

这对我来说还是很难以置信的。这意味着，现在的模型架构，已经能有效解决hallucination问题，以至于在做ICPC最难的题时提交的答案不出一点差错；并且拥有了和最聪明的人类平齐的推理能力。

我此刻的想法有点像柯洁在某个节目接受采访时说过的“今后如果AI能够做一些事，导致有些人失业的话，失业的人可能就能明白我们下棋人那时候的心情“。

OpenAI算是在ICPC世界总决赛搞了个大新闻—在"AI实验赛道"里12道题全解，11题一次就过。这个成绩要是算进官方榜单，会排在所有人类队伍前面。另外DeepMind的Gemini 2.5 Deep Think也表现很亮眼，解出10题，还单独搞定了一道所有人类队伍都没做出来的题。

然后这可不是什么内部演示或者精心准备的demo，而是在ICPC官方规则下，组委会全程监督，跟人类选手做一模一样的题目。大模型推理能力到底进化到什么程度了？先说说ICPC这个比赛有多变态，5小时12道题，错一个字符都不得分，提交时间还要累计算罚时。在这种压力下还能拿高分，说明AI不光能看懂题、想出算法，还得把代码写对，错了还要能快速debug。OpenAI那个"11题一发即过"的数据其实挺吓人的。你想想，平时我们写代码，第一次就能完全跑通的概率有多大？这个一次通过率基本上把"AI推理不靠谱"这个质疑给打脸了。结合gemini再聊一下，比较有意思的是Gemini在Problem C上的表现。所有人类选手都没做出来，它给出了个新解法，什么优先级参数化配合动态规划，再加上嵌套三分搜索。这已经不是背题库了，是真的在创造新的解题思路。

在背后的技术实现上，DeepMind这次比较实诚，把技术路径都说了：预训练加后训练，新型强化学习，多步推理，还有并行思考。具体怎么训练的，基础是mas架构，让多个AI智能体各自想办法，写代码，跑测试，错了就改，改了再试，说白了就是让AI自己跟自己较劲，在不断试错中学习。这套方法的精髓在于关键是有个"裁判"，提供编译器和测试用例。代码跑不跑得通，结果对不对，这是铁打的标准，没法糊弄。再加上并行尝试多种思路，哪怕某个方向错了也不要紧，还能多路径尝试。OpenAI虽然没细说，但看起来路子差不多，毕竟openai在强化学习推理上目前是走在最前面的（不是之一，也欢迎gemini3 打我的脸），用了GPT-5配合内部的实验模型，最难的题也是试了好几次才过的。

再说下ICPC的含金量和局限性，ICPC世界总决赛可是算法竞赛的天花板了。今年139支队伍，只有4支拿金牌。这种级别的比赛，AI能打出这种成绩，确实证明了它在算法和编程上的硬实力。但话说回来，ICPC的题目都是规格明确、输入输出清晰的"纯净"问题。现实中的软件开发呢？需求经常变，系统各种耦合，还要考虑维护、安全、合规...这些乱七八糟的事情AI目前还搞不定，但是AI coding真的发展的太快了，比如我有两个开发难度差不多的agent项目，涉及到比较复杂的模块，拆分功能模块后让它来实现，两个月前AI大概能写50%，现在能写70%了，这两个月的主要变化是模型能力的提升，包括claude opus 4.1和gpt-5还有本周发布的gpt-5-codex。更多的只要月前AI无法搞定的问题。

那程序员该慌吗？短期看（一两年内），最先受冲击的肯定是做一些标准化搭建的全栈工作，就初级甚至中级岗位而言，前端无疑是冲击最大的，后端会相对冲击小一点，因为和业务的强关联会有一些业务沉淀价值以及数据安全，稳定性要求方面的考虑，但冲击是实实在在存在的。AI agent最先产生落地价值的领域就是coding，AI在这些方面的效率优势太明显了，从短期来说，就可以看到程序员的价值需要迭代和演进，会更多体现在理解业务需求、设计系统架构、处理各种边界情况、跟老系统打交道这些"脏活累活"上。而往远了看（3-5年），可能会形成一种新的工作模式：AI负责写代码，人类负责定规则和验收。那些懂得怎么把业务问题转化成AI能理解的任务、怎么构建测试体系、怎么编排多个AI协作的人会变得特别抢手。

那这算AGI的信号吗？从某种角度说，这确实是个里程碑。在"抽象推理+代码实现"这个维度上，AI展现出了超越人类的能力，意义可能不亚于当年的AlphaGo，但这是迭代式到这里的，IMO拿金牌也是前不久的事。但AGI的定义是要在大部分有经济价值的任务上达到或超过人类水平。ICPC再难也只是个特定领域的任务。不过别小看这个突破，很多科学和工程问题本质上都是"可验证的推理任务"，从药物设计到芯片优化，从运筹规划到仿真计算，这个能力的提升会产生连锁反应。那还有哪些问题没解决？虽然成绩亮眼，但冷静想想还是有不少问题。比如数据污染的可能性，虽然用的是新题，但AI训练时可能见过大量历史题目，真正的泛化能力还需要更严格的测试。成本问题也不能忽视，企业要用这种技术，得考虑计算资源的投入产出比。还有就是现实场景的复杂性，你写的代码可能逻辑正确，但不符合公司的编码规范，或者违反了某个安全策略，这些AI目前还handle不了。

再聊一聊我们怎么应对？我的建议是，与其焦虑，不如主动适应。需要对各种业务需求有更深入的理解，尤其应该借助AI，把模糊的需求翻译成清晰的AI友好的数据格式，让AI来进行进一步加工来帮助你理解。另外要重视评估的重要性，AI交付的成果如何评估，用AI实现的agent效果如何验证，比起代码实现，这都是更需要去积累和提升掌握各种测试和验证方法。另外更重要的一点，multi-agent的技术发展趋势也很明朗了，在复杂场景业务上，multi-agent具备single agent无法实现的协作优势，所以了解怎么让多个AI模型协同工作，如何有效管理agent team，这些能力在未来会越来越值钱。如果现在是否是管理，管理能力在未来都是不可或缺的，但对象是agent，这样想想也蛮好，省去了很多人类协作过程中的各种情绪，立场，利益纠纷的成本。然后在业务能力上，需要建立适合AI参与的开发流程，把重点从"写代码"转向"定义问题和验证结果"，培养能跟AI高效协作的工程师。

最后说两句，OpenAI和DeepMind在ICPC上的表现确实让人震撼。在可验证的复杂推理任务上，看趋势，AI很快就会稳定的超越人类。我们正站在一个技术转折点上，AI从"能写代码"进化到"能写对代码"，再到"写错了还知道怎么改"。这种进化在那些有明确评判标准的领域会产生巨大影响。但在需求模糊、充满不确定性的现实工程中，人机协作还会是主导，human in loop需要更多的探索和落地更多的协作模式。所以与其担心被替代，不如积极拥抱，保持学习探索，保持创造尝试。毕竟，最先被淘汰的不是程序员这个职业，而是不会与AI协作的程序员。

算法竞赛平胸而论有几个方面的特征：

第一：比起真正的做学问更像密室逃脱。做学问没人知道答案，但算法竞赛或者至少传统的算法竞赛出题人肯定知道答案。出来的题本质上都是可解的，只是人力撸不完或者5小时十几道的情况下防AK题没有优先级而已。

第二：大号围棋。算法竞赛和围棋相似的一点是，原本靠智力的启发式搜索被算力直接碾压了。只是算法竞赛的“落子”比较复杂，需要写代码编译通过；评估“死活”也比较复杂，需要另一个裁判AI生成测试数据，编译运行程序，检查结果。而思考的部分靠枚举都能力大砖飞，强于人脑训练形成的 pattern。

第三：某种意义上类似 AI 打星际不锁 APM，以现在的规则用 AI 直接和人类比较并不公平。AI 和人打星际如果不锁 APM 都不需要战术，直接甩枪兵跳追猎，人类选手谁来都被操作死了。竞赛也是一个道理：人类选手三个人只有一台机器，同一时间只有一个人能编码，其他人只能看打印出来的代码，手算 debug。而 AI 可以并行，其实是不公平的。如果 AI 用来运行程序的黑盒是单线程，代码录入速度限制成10秒一行，我相信AI取得不了这样的成绩。AI裁判生成测试数据的思路从根上就塌了。同时如果给人类顶级选手三个人三台电脑，我相信人类顶级选手也能多几队AK，因为对三个大佬的强队来说前两小时的瓶颈真是电脑不够……

当然AI开发者也会迭代，也没尽全力训练，加上禁制也只能延缓AI的脚步，就像是AI打星际锁了APM，限制最多三线操作，练出来的AI还是很强一样。

而这个事的启示是，不要过分执着于具体的术，术只是个载体，真正追求的是“智慧”，或者玄一点，叫道。以宫本武藏的理论来说，剑术是小兵法，行军打仗是大兵法。剑术再好你不可能开无双砍一个军队，但很多在剑术里头琢磨出来的方法可以迁移到行军打仗，从小兵法上升到大兵法。比如说如何试探，如何博弈，心态保持稳定等等。同理，刷题不是让你沉迷密室逃脱，活在互相膜拜的梦里。而是教给你如何在一个领域摸清基础知识点（刷分类），把知识点集成起来（做比赛，刷版），保证执行，在社区寻找支持和有用的信息，结识大佬，抗住压力达成目标等等。把做题上升到通用的解决问题的智慧，就能迁移到真正有意义的问题上。这就是竞赛失守后训练的意义。

我们把一个通用的GPT-5模型跟一个专门的推理模型组到一起 ，怎么组的？

G题错了8次，走投无路如何绝地翻盘 ，第9次怎么解决的？

这些经验对于OpenAI是无价的。

唉，没办法，这个B又被OpenAI装到了。

IBM深蓝（Deep Blue）在1997年战胜加里·卡斯帕罗夫 ，是基于大规模并行计算和“暴力穷举”的胜利。

虽然国际象棋的棋盘状态空间巨大，但其规则是固定的，电脑可以通过强大的算力穷尽所有可能的走法来找到最优解 。

谷歌DeepMind的AlphaGo在2016年击败李世石，它通过深度强化学习和神经网络，在围棋的庞大搜索空间中发展出了一种“直觉”或“棋感” 。

然而，它仍是在一个完全可观察、规则固定的游戏框架内进行的。

相比之下，ICPC是一种完全不同的挑战。

它没有固定的规则集，每一道问题都是新颖且开放的，需要选手在五小时内从零开始设计全新的算法和数据结构。

它考验的不仅是计算速度或模式识别，更是创造力、抽象推理和实践工程能力的综合体 。

OpenAI在ICPC上的胜利，代表了人工智能已成功从掌握已知领域的机器，进化为创造性解决未知问题的系统。

在阿塞拜疆巴库举行的2025年ICPC世界总决赛中。

OpenAI的系统在不到五小时的比赛时间内完美地解决了全部12道问题。

如果将其纳入排名，它将位列第一，超越了所有人类参赛队伍。

与此同时，谷歌的Gemini 2.5 Deep Think模型也解决了10道问题，达到了金牌标准，其成绩相当于人类队伍中的第二名 。

在人类选手中，来自俄罗斯圣彼得堡国立大学的队伍表现最为出色，他们成功解决了11道问题，而来自中国的多所顶尖大学，如北京交通大学、清华大学、北京大学和中国科学技术大学的队伍也分别进入了前十名 。

AI进化的太快了。

继两个月前在国际数学奥林匹克竞赛（IMO）上取得金牌级别的成绩之后。

OpenAI和谷歌Gemini两大巨头在又一个顶级智力竞赛领域实现了跨越式突破。

这不是一家，而是两家的大模型都达到了这个能力。

北Chatgpt，南Gemini。

就拿这次比赛中的C题来说，谷歌的Gemini 2.5就公开了它的解题思路 。

这道题要求设计一个液体分配方案，通过一系列相互连接的管道，以最快的时间填满所有储液罐。难点在于，每个管道都可以部分开启，这导致配置方案有无数种可能 。

对于人类选手来说，这道题的搜索空间是无限的，无法用穷举法解决。

而Gemini 2.5的解法是，它没有去穷举，而是引入了一个叫“优先值”的抽象概念 。

它假设每个储液罐都有一个优先值，然后用一个动态规划算法来找到最优的管道配置。

接着，它通过“嵌套三分搜索”算法来快速找到最优的优先值，从而解决了这个复杂的优化问题。

看到这儿你可能觉得，这有啥可吹的？

恰恰相反，这才是最牛逼的地方。

这说明AI已经具备了抽象推理和创造性解决问题的能力，而不是简单的模式匹配 。

成功的经验固然让人敬佩。

失败的教训更让人心惊。

OpenAI在最难的G题上，也不是一次就搞定，而是经过9次尝试才最终解决 。

这9次失败的尝试，说明它不是一次性完美生成代码，而是在不断地“计算式调试” 。

它每次提交，都从判题系统那儿得到反馈，然后根据反馈去修正自己的错误，迭代精炼 。

这种“从失败中学习并自我修复”的能力，才是真正的划时代突破。

这说明AI已经具备了人类在解决问题时那种试错、反思和改进的元认知能力 。

这个事件不仅仅是一次技术突破，它是一个明确的信号。

人类独自编程历史结束了，

编程这个领域，不管你情愿不情愿，

必然要被AI插一杠子了。

未来的编程不再是孤独的独奏，而是一场人与AI共同创作的二重奏。

上半年字节的seed参加ccpc final现场赛，字节的模型，Gemini，gpt也只能做1-2道题，下半年gpt和Gemini都能ak，10道 icpc wf了，真是日新月异呀。

不知道为什么，ai写其他的还好，写ai好差，即使是CNN这样的小模型。

我让ai帮我部署和训练几种先进CNN训练数据，用的图片还特意是统一尺寸，结果几个ai都连数据对齐都做不好。