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。