#ARC-AGI-3

Google 新模型 ARC-AGI-3 拿了 97.5%，仅次于 OpenAI，但换个测试环境直接掉到 49.8%，数学和写代码还被对手压着，这篇把两面都讲了。

官方账号Decoder@Matthias Bastian11 个信源在谈原文

ARC-AGI-3 榜单换榜首了，Tufa Labs 从 56% 直接拉到 68.91%，做推理和抽象推理方向的朋友可以看看他们怎么提分的。

官方账号ARC Prize@arcprize原文

有论文发现智能体靠偷看 2172 行游戏源码在 ARC-AGI-3 拿了满分，堵住漏洞重跑只剩 46.91 分，教你评估时怎么防作弊。

rohanpaul_ai@rohanpaul_ai原文

tufalabs在ARC抽象推理基准上大幅提升成绩，从27.29%到45.33%，重回第一。

官方账号ARC Prize@arcprize原文

DeepLearningAI 分析了 GPT-6 Astra 的最新表现，它不仅登顶了 ARC-AGI-3 基准测试，还降低了 token 成本，对开发者来说很实用。

DeepLearning.AI@DeepLearningAI11 个信源在谈原文

NVIDIA的通用编码智能体ARC-AGI-3测试满分，展示了强大的自主推理能力，是AI领域的又一里程碑！

官方账号NVIDIA AI@NVIDIAAI4 个信源在谈原文

OpenAI 的 GPT-5.6 Sol 在 ARC-AGI-3 上分数翻倍还多，token 还省了六倍，看看他们怎么做到的。

官方一手@OpenAIDevs@OpenAIDevs11 个信源在谈原文

Jeremy Berman 用 Claude Code 加 Opus 5 把 ARC-AGI-3 刷到 96.2%，没做什么 ARC 定制，思路很通用。

Amjad Masad@amasad原文

Prime Agent 这个递归框架挺有意思，直接把 Opus 5 的 ARC 成绩从 30% 拉到了 95%，还能替代 Claude Code 和 Codex，值得看看。

小互@imxiaohu9 个信源在谈原文

Prime Agent开源：子智能体是函数调用，可自改提示词，ARC-AGI-3超越人类基线。

官方一手marktechpost@Asif Razzaq4 个信源在谈原文

OpenAI给GPT-5.6 Sol换了套测试框架，ARC-AGI-3得分从7.8%涨到38.3%，输出还省了六分之五，这招挺妙。

ARC-AGI这个测试挺刁钻，GPT-5.6 Sol在没法记住之前推理的情况下学不会新游戏，说明长上下文对推理很重要。

官方账号OpenAI@OpenAI (@OpenAI)11 个信源在谈原文

OpenAI推出GPT-5.6 Sol，在自定测试里赢了Anthropic的Opus 5，但换官方环境就掉到7.8%，差距挺大。

官方账号Decoder@Matthias Bastian11 个信源在谈原文

OpenAI 分享了两个超实用的 API 开关，GPT-5.6 Sol 在 ARC-AGI-3 上分数直接翻了三倍，token 还省了十二倍，搞推理优化的一定要看看。

小互@imxiaohu11 个信源在谈原文

OpenAI 发现 GPT-5.6 Sol 在 ARC-AGI-3 上表现差是因为 API 设置没开对。改两个参数分数涨三倍，token 省六倍，学起来很实用。

官方账号OpenAI@OpenAI11 个信源在谈原文

Anthropic 新出的 Opus 5 跑分逼近旗舰 Fable 5，价格只要一半，ARC-AGI-3 上直接三倍杀第二名，闭眼入。

Opus 5在ARC-AGI-3上得分碾压其他模型，证明它的泛化和推理能力很强。

Claude@claudeai11 个信源在谈原文