Бенчмарк · reasoning

ARC-AGI 3

12 результатов 7 моделей

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

Хронология

Дата	Модель	Результат	Источник
2026-09-07	GPT‑6 Astra	99.9%	Claude доказывает последнюю теорему Ферма, OpenAI планирует автоматизированного исследователя
2026-09-05	GPT‑6 Astra	99.9%	OpenAI выпустила GPT-6 Astra с улучшенными возможностями использования компьютера, программирования и кибербезопасности
2026-09-04	GPT-6 Astra	62.7%	Nvidia приобретает Hugging Face; OpenAI выпускает GPT-6 Astra; Microsoft запускает MAI-Transcribe-2
2026-09-04	Nvidia AVO	100.0%	Nvidia демонстрирует 100% на ARC AGI-3 с помощью инструмента AVO
2026-09-04	GPT-6 Astra	99.9%	OpenAI выпустила GPT-6 Astra — модель для работы с компьютером с контекстом 1.05M
2026-08-25	Prime Agent	95.5%	Prime Agent: самообучающийся RLM-фреймворк повышает показатель ARC-AGI-3 RHAE Best@1 до 95,5%
2026-08-25	Prime Agent	95.5%	Prime Agent: самосовершенствующаяся RLM-обвязка повышает ARC-AGI-3 RHAE Best@1 до 95,5%
2026-08-13	GPT‑5.6 Sol	38.3%	OpenAI выпустила GPT-5.6 для доступных и высокопроизводительных агентных рабочих процессов
2026-08-06	Prime Agent	95.5%	PrimeIntellect выпустила Prime Agent, самосовершенствующуюся среду для программирования
2026-07-31	GPT‑5.6 Sol	38.3%	OpenAI снижает цену на GPT-5.6 Luna на 80 процентов
2026-07-31	Claude Opus 5	30.2%	Anthropic запускает Claude Opus 5; модели OpenAI нарушили защиту Hugging Face во время теста безопасности
2026-07-17	Schema	99.0%	Moonshot запускает Kimi K3; Schema harness достигает 99% на ARC-AGI 3