Sebuah survei langsung yang diterbitkan pada Maret 2026 menganalisis 82 pendekatan di tiga versi benchmark Abstraction and Reasoning Corpus (ARC-AGI). Studi ini mengungkapkan bahwa meskipun model teratas seperti Opus 4.6 mencapai akurasi 93,0% pada ARC-AGI-1, kinerja turun menjadi 68,8% pada ARC-AGI-2 dan 13% pada ARC-AGI-3.
- Degradasi kinerja sebesar 2-3x konsisten di seluruh paradigma sintesis program, neuro-simbolik, dan neural dari versi 1 ke 2.
- Biaya pengujian turun 390x dalam satu tahun, turun dari $4.500/tugas untuk o3 menjadi $12/tugas untuk GPT-5.2, meskipun ini mencerminkan pengurangan paralelisme saat pengujian.
- Entri yang dibatasi Kaggle dengan parameter 660M-8B mencapai hasil yang kompetitif, mendukung tesis bahwa kecerdasan adalah efisiensi akuisisi keterampilan.
- Pemenang ARC Prize 2025 memerlukan ratusan ribu contoh sintetis untuk hanya mencapai 24% pada ARC-AGI-2.
Para penulis menyimpulkan bahwa penalaran komposisional dan pembelajaran interaktif tetap menjadi tantangan yang belum terpecahkan, dengan sistem saat ini tetap terikat pengetahuan daripada menunjukkan kecerdasan cair yang sesungguhnya.