Confirmed（已证实）近期在 AI 讨论圈成为热点词，源自知名 AI 批评者 Gary Marcus 宣称自己关于大语言模型局限性的预测被最新进展所证实。这个词的走热，折射出当前 AI 社区对模型能力边界、规模化路线是否可持续的争论仍在持续，而 Agent Arena 等榜单数据正成为双方各取证据的主战场。
"Confirmed" 争议的由来
Gary Marcus 长期批评纯神经网络路线，主张需要符号推理与神经网络的结合。他近日发布帖文称，其此前的预测已被证实（Confirmed），即大模型在缺乏结构化推理支撑时会在某些任务上持续失手，Symbolic AI with LLMs: Gary Marcus' Prediction Confirmed 一文成为这一轮讨论的导火索。支持者认为榜单中的失败案例印证了其观点，反对者则以模型排名的快速爬升作为反驳。
Agent Arena 榜单近期的关键数据
围绕这一争议，近期的评测数据被双方反复引用：
当前焦点与观察点
目前 "Confirmed" 之争的核心在于如何解读同一份榜单数据：批评者关注头部模型在复杂多步任务上仍未突破的瓶颈，乐观者则看重开源模型 12 周追平旗舰、GPT-6 Sol 成本减半这类快速迭代的信号。值得观察的三点是：任务成功率趋同后，榜单的区分度是否会下降；成本与净改进的比值是否会成为新的核心指标；以及符号方法与神经网络的融合是否会从争论走向具体的产品落地。短期内，这一争论难有定论，但榜单数据的持续公开，让双方的论证都比以往更可检验。