ベンチマーク · reasoning
ARC-AGI 3
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.
| 日付 | モデル | スコア | ソース |
|---|---|---|---|
| 2026-09-07 | GPT‑6 Astra | 99.9% | Claudeがフェルマーの最終定理を証明、OpenAIが自動化研究者を計画 |
| 2026-09-05 | GPT‑6 Astra | 99.9% | OpenAI、コンピュータ操作、コーディング、サイバーセキュリティ能力を強化したGPT-6 Astraをリリース |
| 2026-09-04 | GPT-6 Astra | 62.7% | NvidiaがHugging Faceを買収；OpenAIがGPT-6 Astraをリリース；MicrosoftがMAI-Transcribe-2をローンチ |
| 2026-09-04 | Nvidia AVO | 100.0% | Nvidia、AVO ハーネスで ARC AGI-3 で 100% を達成 |
| 2026-09-04 | GPT-6 Astra | 99.9% | OpenAIが105万トークンのコンテキストを持つコンピュータ操作モデル「GPT-6 Astra」をリリース |
| 2026-08-25 | Prime Agent | 95.5% | Prime Agent: 自己改善型RLMハルネスがARC-AGI-3 RHAE Best@1を95.5%に引き上げる |
| 2026-08-25 | Prime Agent | 95.5% | Prime Agent: 自己改善型 RLM ハーネスが ARC-AGI-3 RHAE Best@1 を 95.5% に向上 |
| 2026-08-13 | GPT‑5.6 Sol | 38.3% | OpenAIが手頃な価格で高性能なエージェントワークフローに対応するGPT-5.6をリリース |
| 2026-08-06 | Prime Agent | 95.5% | PrimeIntellectが自己改善型コーディングハーネス「Prime Agent」をリリース |
| 2026-07-31 | GPT‑5.6 Sol | 38.3% | OpenAI、GPT-5.6 Lunaの価格を80%引き下げ |
| 2026-07-31 | Claude Opus 5 | 30.2% | AnthropicがClaude Opus 5をリリース; OpenAIのモデルがセキュリティテスト中にHugging Faceを突破 |
| 2026-07-17 | Schema | 99.0% | MoonshotがKimi K3をリリース；Schema harnessがARC-AGI 3で99%を達成 |