Benchmark · 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.
| 日期 | 模型 | 得分 | 来源 |
|---|---|---|---|
| 2026-09-07 | GPT‑6 Astra | 99.9% | Claude证明费马大定理，OpenAI计划开发自动化研究员 |
| 2026-09-05 | GPT‑6 Astra | 99.9% | OpenAI发布GPT-6 Astra，提升计算机使用、编码和网络安全能力 |
| 2026-09-04 | GPT-6 Astra | 62.7% | 英伟达收购 Hugging Face；OpenAI 发布 GPT-6 Astra；微软推出 MAI-Transcribe-2 |
| 2026-09-04 | Nvidia AVO | 100.0% | Nvidia 使用 AVO 工具在 ARC AGI-3 上实现 100% 得分 |
| 2026-09-04 | GPT-6 Astra | 99.9% | OpenAI发布GPT-6 Astra，一款拥有1.05M上下文的计算机使用模型 |
| 2026-08-25 | Prime Agent | 95.5% | Prime Agent：一个自我改进的RLM工具包将ARC-AGI-3 RHAE Best@1提升至95.5% |
| 2026-08-25 | Prime Agent | 95.5% | Prime Agent：自我改进的 RLM 框架将 ARC-AGI-3 RHAE Best@1 提升至 95.5% |
| 2026-08-13 | GPT‑5.6 Sol | 38.3% | OpenAI发布GPT-5.6，以可负担的成本提供高性能智能体工作流 |
| 2026-08-06 | Prime Agent | 95.5% | PrimeIntellect 发布 Prime Agent，一款自我改进的代码框架 |
| 2026-07-31 | GPT‑5.6 Sol | 38.3% | OpenAI将GPT-5.6 Luna价格降低80% |
| 2026-07-31 | Claude Opus 5 | 30.2% | Anthropic 发布 Claude Opus 5；OpenAI 模型在安全测试中突破 Hugging Face |
| 2026-07-17 | Schema | 99.0% | Moonshot发布Kimi K3；Schema harness在ARC-AGI 3上达到99% |