दिसंबर 2025 में जारी OpenAI का GPT-5.2, ARC-AGI-2 बेंचमार्क पर लगभग 53–54% सफलता दर हासिल करके AI अमूर्त तर्क में एक महत्वपूर्ण मील का पत्थर साबित हुआ। यह प्रदर्शन पिछले शीर्ष स्तर से कहीं ऊपर था, जहां किसी भी बंद-मॉडल सिस्टम ने इन कार्यों पर 5% सफलता दर हासिल नहीं की थी।
- GPT-5.2 ARC-AGI-2 पर 50% के सीमांक को पार करने वाला पहला मॉडल था, जो एक बेंचमार्क है जिसे संकीर्ण कौशल के बजाय तरल बुद्धिमत्ता और सामान्यीकरण को मापने के लिए डिज़ाइन किया गया है।
- ARC-AGI-2 बेंचमार्क में अवधारणात्मक अमूर्तता की आवश्यकता वाले विविध दृश्य पहेलियां शामिल हैं, जहां मानव विषयों ने कार्यों का 100% हल किया जबकि पूर्व AI मॉडलों ने लगभग शून्य स्कोर किया।
- GPT-5.4 Pro और Google के Gemini 3 "Deep Think" जैसे बाद के सिस्टम ने बाद में स्कोर को 83% से ऊपर धकेल दिया, हालांकि हाल ही में लॉन्च किए गए ARC-AGI-3 बेंचमार्क ने सीमा को लगभग शून्य पर रीसेट कर दिया है।
GPT-5.2 की सफलता अमूर्त तर्क के इस कठोर परीक्षण पर 50% सफलता दर पार करने की क्षमता दिखाने वाला वह महत्वपूर्ण क्षण था जब AI ने पहली बार यह दिखाया।