Eric Steinberger谈Magic：通往AGI的反直觉路径

在这期Sequoia AI Ascent的访谈中，Magic创始人Eric Steinberger分享了他对AGI的判断：真正的瓶颈不是模型规模，而是“长时可靠性”。他讲述了自己从FAIR到创业的经历，以及为何坚持自研模型、小团队推进一条看似反直觉的道路。

AGI真正剩下的难题：长时、通用、可靠

为什么今天谈AGI不再像十年前那样遥远？这是整场对话的技术起点。Eric直言，过去“it wasn't close”，但现在“it's close and clear”。在他看来，大模型在短任务、单轮推理上已经表现惊人，真正“仍然需要解决”的，是“General domain long Horizon reliability”——也就是在通用领域里，模型能否在长时间、多步骤任务中保持稳定、可信的行为。这一点之所以重要，是因为AGI不是答几道题，而是要像人类同事一样持续工作。Eric认为，这可能是通往AGI之前“最后一个大问题”，也暗示了Magic为何不把全部精力放在单纯堆参数或刷榜单上。

从FAIR到创业：被高手包围的早期经历

理解Eric的判断，离不开他的个人路径。他在访谈中回顾了自己如何进入FAIR（Facebook AI Research），以及在那段时间里受到的影响。他特别提到Noam Brown——当时在FAIR工作的研究员，以“PhD期间工作极其努力”而闻名。通过Noam的引荐和合作，Eric得以近距离观察顶级研究者如何思考长期问题。这些经历让他意识到，真正重要的突破往往来自少数人长时间的深度专注，而不是大规模、流水线式的研究产出。这也为他后来创业时的一系列选择埋下了伏笔。

为什么Magic坚持自研模型

当话题转向Magic本身时，一个核心问题浮现出来：为什么要“own the model”？Eric的回答并非情绪化，而是概率判断。他认为，如果目标是AGI级别的能力，那么依赖他人模型，成功的“probability of being right”会显著下降。自研模型意味着更慢、更难，但能在架构、训练目标和长期行为一致性上做出根本性取舍。这种选择在短期内不讨好市场，却符合他们对长期可靠性的判断。换句话说，Magic押注的是一种不那么显眼、但更有可能走到终点的路线。

小团队与“像同事一样的AI”愿景

规模同样是一个反直觉的点。Eric明确表示，他们刻意保持更小的团队规模，“that's why we're smaller”。原因在于，研究型组织的效率并不随人数线性增长。他相信，真正的突破来自高度信任、沟通成本极低的团队。最终，这一切服务于一个清晰的产品愿景：打造“AI that feels like a colleague”。这不是聊天更像人，而是能理解上下文、长期目标，并在多次交互中保持一致性的系统。Eric也坦言，他“don't see that stopping”，意味着这条路会持续多年。

总结

这次访谈的价值不在于某个具体技术细节，而在于Eric Steinberger展示了一种罕见的清醒：当行业热衷于速度、规模和短期成果时，他把注意力放在长时可靠性、自研模型和小团队效率上。对读者而言，这不仅是理解Magic的窗口，也是一种思考AGI路径的坐标系——真正难的，往往也是最后才被认真对待的。

关键词： Eric Steinberger， Magic， AGI， 长时可靠性， 自研模型

事实核查备注： 人物：Eric Steinberger，Noam Brown；机构：FAIR（Facebook AI Research），Magic；核心术语：AGI，General domain long Horizon reliability；原话引用："it wasn't close and now it's close and clear"，"own the model"，"AI that feels like a colleague"