La competición del Premio ARC 2025 concluyó con una puntuación máxima en Kaggle del 24% en el conjunto de datos privado ARC-AGI-2, mientras que los modelos comerciales y las soluciones de refinamiento a medida lograron un rendimiento significativamente mayor. El evento contó con 1.455 equipos que enviaron más de 15.000 entradas y 90 artículos de investigación, todos ellos de código abierto.
- El ganador principal en Kaggle alcanzó una precisión del 24% por $0.20/tarea; el modelo comercial verificado líder Opus 4.5 obtuvo un 37.6% por $2.20/tarea.
- La solución de refinamiento de Poetiq, basada en Gemini 3 Pro, logró una precisión del 54% por $30/tarea, frente a una línea base del 31%.
- El Modelo Recursivo Pequeño (TRM) alcanzó una precisión del 45% en las pruebas de ARC-AGI-1 con solo 7M parámetros utilizando mejora recursiva.
- CompressARC introdujo 76K parámetros y logró un 20% en ARC-AGI-1 minimizando la longitud de la descripción durante la prueba sin preentrenamiento.
El análisis identifica los bucles de refinamiento iterativo como el tema central que impulsa el progreso hacia la AGI, permitiendo a los modelos optimizar incrementalmente los programas basándose en señales de retroalimentación en lugar de depender únicamente de redes neuronales estáticas.