ARC Prize 2025 대회는 ARC-AGI-2 비공개 데이터셋에서 상위 Kaggle 점수가 24%로 종료되었으나, 상용 모델과 맞춤형 정제 솔루션은 훨씬 더 높은 성능을 달성했다. 이번 행사에는 1,455개 팀이 15,000개 이상의 제출물과 90편의 연구 논문을 공개 오픈소스로 내놓았다.

  • 상위 Kaggle 우승자는 $0.20/작업당 24% 정확도 달성; 상위 검증된 상용 모델 Opus 4.5는 $2.20/작업당 37.6% 정확도 기록.
  • Gemini 3 Pro 기반 Poetiq의 정제 솔루션은 기준선 31%에서 54% 정확도로 향상되었으며, 비용은 $30/작업.
  • Tiny Recursive Model (TRM)은 재귀적 개선을 통해 단 7M 파라미터로 ARC-AGI-1에서 45% 테스트 정확도 달성.
  • CompressARC는 사전 학습 없이 테스트 시 설명 길이를 최소화하여 76K 파라미터로 ARC-AGI-1에서 20% 달성.

분석 결과, 반복 정제 루프가 AGI 진보를 이끄는 중심 주제로 식별되었으며, 이는 모델이 고정된 신경망에만 의존하는 대신 피드백 신호를 기반으로 프로그램을 점진적으로 최적화할 수 있게 한다.