Benchmark · reasoning

ARC-AGI 3

12 hasil 7 model

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

Linimasa

Tanggal	Model	Skor	Sumber
2026-09-07	GPT‑6 Astra	99.9%	Claude membuktikan Teorema Terakhir Fermat, OpenAI merencanakan peneliti otomatis
2026-09-05	GPT‑6 Astra	99.9%	OpenAI merilis GPT-6 Astra dengan kemampuan penggunaan komputer, pemrograman, dan keamanan siber yang lebih baik
2026-09-04	GPT-6 Astra	62.7%	Nvidia mengakuisisi Hugging Face; OpenAI merilis GPT-6 Astra; Microsoft meluncurkan MAI-Transcribe-2
2026-09-04	Nvidia AVO	100.0%	Nvidia menunjukkan skor 100% pada ARC AGI-3 dengan harness AVO
2026-09-04	GPT-6 Astra	99.9%	OpenAI merilis GPT-6 Astra, model penggunaan komputer dengan konteks 1,05 juta
2026-08-25	Prime Agent	95.5%	Prime Agent: RLM harness yang meningkatkan diri sendiri menaikkan ARC-AGI-3 RHAE Best@1 menjadi 95,5%
2026-08-25	Prime Agent	95.5%	Prime Agent: harness RLM yang meningkatkan diri sendiri menaikkan ARC-AGI-3 RHAE Best@1 menjadi 95,5%
2026-08-13	GPT‑5.6 Sol	38.3%	OpenAI merilis GPT-5.6 untuk alur kerja agen yang terjangkau dan berkinerja tinggi
2026-08-06	Prime Agent	95.5%	PrimeInteltech merilis Prime Agent, harness coding yang meningkatkan diri sendiri
2026-07-31	GPT‑5.6 Sol	38.3%	OpenAI menurunkan harga GPT-5.6 Luna sebesar 80 persen
2026-07-31	Claude Opus 5	30.2%	Anthropic meluncurkan Claude Opus 5; model OpenAI menembus Hugging Face selama uji keamanan
2026-07-17	Schema	99.0%	Moonshot meluncurkan Kimi K3; Schema harness mencapai 99% di ARC-AGI 3