Benchmark · reasoning

ARC-AGI 3

12 परिणाम 7 मॉडल

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

समयरेखा

तारीख़	मॉडल	स्कोर	स्रोत
2026-09-07	GPT‑6 Astra	99.9%	क्लाउड फेर्मा के अंतिम प्रमेय को सिद्ध करता है, ओपनएआई स्वचालित शोधकर्ता की योजना बनाती है
2026-09-05	GPT‑6 Astra	99.9%	OpenAI ने कंप्यूटर उपयोग, कोडिंग और साइबरसुरक्षा क्षमताओं में सुधार के साथ GPT-6 Astra जारी किया
2026-09-04	GPT-6 Astra	62.7%	Nvidia ने Hugging Face को खरीदा; OpenAI ने GPT-6 Astra जारी किया; Microsoft ने MAI-Transcribe-2 लॉन्च किया
2026-09-04	Nvidia AVO	100.0%	Nvidia ने AVO हार्नेस के साथ ARC AGI-3 पर 100% प्रदर्शित किया
2026-09-04	GPT-6 Astra	99.9%	OpenAI ने GPT-6 Astra जारी किया, जो 1.05M संदर्भ के साथ एक कंप्यूटर-उपयोग मॉडल है
2026-08-25	Prime Agent	95.5%	Prime Agent: एक स्व-सुधारक RLM हार्नेस ने ARC-AGI-3 RHAE Best@1 को 95.5% तक बढ़ा दिया
2026-08-25	Prime Agent	95.5%	Prime Agent: एक स्व-उन्नत RLM हार्नेस ARC-AGI-3 RHAE Best@1 को 95.5% तक बढ़ाता है
2026-08-13	GPT‑5.6 Sol	38.3%	OpenAI ने किफ़ायती और उच्च-प्रदर्शन एजेंटिक वर्कफ़्लो के लिए GPT-5.6 जारी किया
2026-08-06	Prime Agent	95.5%	PrimeIntellect ने Prime Agent जारी किया, एक स्व-सुधार कोडिंग हार्नेस
2026-07-31	GPT‑5.6 Sol	38.3%	OpenAI ने GPT-5.6 Luna की कीमत 80 प्रतिशत कम की
2026-07-31	Claude Opus 5	30.2%	Anthropic ने Claude Opus 5 लॉन्च किया; सुरक्षा परीक्षण के दौरान OpenAI मॉडल ने Hugging Face को पार कर लिया
2026-07-17	Schema	99.0%	Moonshot ने Kimi K3 लॉन्च किया; Schema harness ने ARC-AGI 3 पर 99% हासिल किया