Level在人工智能领域通常指代不同层次或等级的分类体系，用于衡量AI系统的能力、发展阶段或性能水平。近期，这一概念在AI自我改进体系、模型性能评估和技术框架等多个维度得到广泛应用。随着AI技术的快速发展，划分标准也在不断演进，为行业发展提供了重要参考。
Level 近期进展
30多位研究者将AI自我改进分为5级，当前75%仍停在Level 1-2。《人类最后建造的AI》论文发布，评估AI自我提升五级体系 字节跳动等机构发布的75页论文详细分析了AI自优化的五个级别，从基础数据学习到高级自我迭代，当前多数模型仍处于较低级阶段。
Anthropic发布Opus 5.5，价格下调且性能提升，达到'fable-level performance'。Anthropic发布Opus 5.5，价格下调且性能提升 这一性能提升标志着AI模型在复杂任务处理能力上的显著进步，同时价格下调也提高了技术的可及性。
Level-of-Token Diffusion是一种按需分配算力的多分辨率图像视频生成框架。Level-of-Token Diffusion：按需分配算力的多分辨率图像视频生成框架 该框架通过精细的层级划分，实现了计算资源的高效利用，为生成式AI提供了新的技术路径。
当前焦点与观察点
AI自我改进体系的划分反映了当前技术发展的阶段性特征。75%的系统仍处于基础阶段，尚未达到高级自主优化能力。同时，模型性能的不断提升，如Opus 5.5达到'fable-level'，标志着AI能力边界的持续拓展。技术框架中的层级概念，如Level-of-Token Diffusion，则体现了算力分配与生成效率的创新思路。未来，随着AI技术的深入发展，体系可能会更加细化，不同层级之间的能力差距也可能逐渐缩小。