Benchmark · reasoning

ARC-AGI 3

12 resultados 7 modelos

ARC Prize's third generation (2026): the agent must learn an unseen interactive game environment from scratch. Scores run far lower than — and are NOT comparable to — the static grid-puzzle ARC-AGI 1/2.

Schema Claude Opus 5 GPT‑5.6 Sol Prime Agent GPT-6 Astra Nvidia AVO GPT‑6 Astra

Cronología

Fecha	Modelo	Puntuación	Fuente
2026-09-07	GPT‑6 Astra	99.9%	Claude demuestra el Último Teorema de Fermat, OpenAI planea un investigador automatizado
2026-09-05	GPT‑6 Astra	99.9%	OpenAI lanza GPT-6 Astra con capacidades mejoradas de uso del ordenador, programación y ciberseguridad
2026-09-04	GPT-6 Astra	62.7%	Nvidia adquiere Hugging Face; OpenAI lanza GPT-6 Astra; Microsoft presenta MAI-Transcribe-2
2026-09-04	Nvidia AVO	100.0%	Nvidia demuestra un 100% en ARC AGI-3 con el arnés AVO
2026-09-04	GPT-6 Astra	99.9%	OpenAI lanza GPT-6 Astra, un modelo de uso informático con contexto de 1.05M
2026-08-25	Prime Agent	95.5%	Prime Agent: Un arnés RLM de auto-mejora eleva el Best@1 de ARC-AGI-3 RHAE al 95,5%
2026-08-25	Prime Agent	95.5%	Prime Agent: un arnés RLM de auto-mejora eleva ARC-AGI-3 RHAE Best@1 a 95,5%
2026-08-13	GPT‑5.6 Sol	38.3%	OpenAI lanza GPT-5.6 para flujos de trabajo agénticos asequibles y de alto rendimiento
2026-08-06	Prime Agent	95.5%	PrimeIntellect lanza Prime Agent, un arnés de codificación que se auto-mejora
2026-07-31	GPT‑5.6 Sol	38.3%	OpenAI reduce el precio de GPT-5.6 Luna en un 80 por ciento
2026-07-31	Claude Opus 5	30.2%	Anthropic lanza Claude Opus 5; los modelos de OpenAI vulneran Hugging Face durante una prueba de seguridad
2026-07-17	Schema	99.0%	Moonshot lanza Kimi K3; Schema harness alcanza el 99% en ARC-AGI 3