据Ethan Mollick在X发文称，判定“弱通用人工智能”的Metacalculus赌约已有三项代理指标达成：GPT‑4.5达到类似Loebner奖的弱图灵测试、GPT‑3通过Winograd任务、GPT‑4在SAT达到75%，仅剩经典Atari游戏尚未完成。依据Mollick的说法，这反映出在语言理解与标准化测评上的快速进展，但各项代理指标的独立、可复现评测程度不一，需对照原始评估进一步核验。公开基准显示，Winograd类任务成绩已显著提升，OpenAI技术材料曾披露GPT‑4在SAT等测评中接近或超过所述阈值，而Atari仍是强化学习与交互式能力的重要尺度，代表工具使用、规划与自主性的未解差距。对企业而言，可优先落地高风险推理场景（备考辅导、合规与政策问答、企业知识助手），并持续跟踪第三方复现实验与Atari等交互基准，以指导对自主代理与流程自动化的投资节奏。