ARC Prize 2025コンペティションは、ARC-AGI-2プライベートデータセット上でKaggleのトップスコアが24%に終わった一方、商用モデルや専用リファインメントソリューションは大幅に高いパフォーマンスを達成した。このイベントでは1,455チームが15,000件以上のエントリーと90本の研究論文を投稿し、それらはすべてオープンソースである。

  • トップKaggle受賞者は24%の精度を$0.20/タスクで達成；トップ検証済み商用モデルOpus 4.5は37.6%の精度を$2.20/タスクで記録。
  • Gemini 3 Proを基盤とするPoetiqのリファインメントソリューションは、ベースラインの31%から54%の精度に向上し、コストは$30/タスク。
  • Tiny Recursive Model (TRM)は再帰的改善により、わずか7MパラメータでARC-AGI-1上で45%のテスト精度を達成。
  • CompressARCはテスト時に事前学習なしで記述長を最小化し、76KパラメータでARC-AGI-1上で20%を達成した。

分析では、反復リファインメントループがAGI進歩を牽引する中心的なテーマとして特定され、モデルが静的ニューラルネットワークに依存するだけでなく、フィードバック信号に基づいてプログラムを段階的に最適化することを可能にしている。