Una encuesta publicada en marzo de 2026 analiza 82 enfoques en tres versiones del benchmark Abstraction and Reasoning Corpus (ARC-AGI). El estudio revela que, aunque modelos destacados como Opus 4.6 logran un 93.0% de precisión en ARC-AGI-1, el rendimiento cae al 68.8% en ARC-AGI-2 y al 13% en ARC-AGI-3.
- La degradación del rendimiento de 2-3x es consistente entre la síntesis de programas, los paradigmas neuro-simbólicos y los paradigmas neuronales desde la versión 1 a la 2.
- Los costos de prueba cayeron 390x en un año, pasando de $4,500/tarea para o3 a $12/tarea para GPT-5.2, aunque esto refleja una reducción del paralelismo durante la prueba.
- Las entradas con restricciones de Kaggle con parámetros de 660M-8B logran resultados competitivos, apoyando la tesis de que la inteligencia es la eficiencia en la adquisición de habilidades.
- Los ganadores del ARC Prize 2025 requirieron cientos de miles de ejemplos sintéticos para alcanzar solo el 24% en ARC-AGI-2.
Los autores concluyen que el razonamiento composicional y el aprendizaje interactivo siguen siendo desafíos sin resolver, con los sistemas actuales permaneciendo limitados por el conocimiento en lugar de demostrar verdadera inteligencia fluida.