#ARC-AGI

共 21 条 · 7 天 2 条 · 30 天 7 条

推理模型 12 OpenAI 8 GPT-6 5 Astra 3 FrontierMath 2 GLM 2 基准测试 2 开源模型 2

信息流里打上「ARC-AGI」标签的资讯、产品与论文，按刊登时间排，新的在上。

10月7日

模型中美对照00:46

Grok 4.7 的 ARC-AGI 验证成绩公布：二代得分低于 Grok 4.6

ARC Prize 晒出 Grok 4.7 的实测成绩，有意思的是它一代分数涨了，二三代替反而降了，可以看看这套数据对比

#Grok 4.7 #ARC-AGI #xAI #推理模型

事件专题

官方账号ARC Prize@arcprize2 个信源在谈原文

10月6日

模型中美对照81°23:34

DeepSeek V4.1 Flash 在 ARC-AGI 验证集上超越 V4 Flash

DeepSeek 的 V4.1 Flash 跑分出来了，ARC-AGI-2 拿下 72.9%，比上一代高了 11.5 分，不过每任务成本贵了两倍多，看你怎么权衡。

#DeepSeek #ARC-AGI #推理模型 #开源模型

官方账号ARC Prize@arcprize原文

10月2日

模型 Agent 与开发者多源确认精选73°04:11

阿里Qwen3.8-27B模型ARC-AGI评测结果

阿里Qwen3.8-27B在ARC-AGI评测中表现亮眼，v1得分87.5%，成本仅0.22美元/任务。

#Qwen3.8-27B #Alibaba_Qwen #ARC-AGI #推理模型

事件专题

官方账号ARC Prize@arcprize4 个信源在谈原文

10月1日

模型中美对照多源确认89°04:26

OpenAI发布GPT-6.1 Sol模型

OpenAI新模型GPT-6.1 Sol在ARC-AGI测试中表现优异，成本比前代低77%，性价比突出。

#GPT-6.1 Sol #OpenAI #ARC-AGI #推理模型

事件专题

官方账号ARC Prize@arcprize11 个信源在谈原文

9月30日

模型中美对照83°02:59

ARC-AGI基准测试成本大幅下降

DeepSeek V4 Flash和Dots3-Note Preview在ARC-AGI基准测试中实现了成本大幅下降，比之前的模型便宜数千倍。

#ARC-AGI #DeepSeek V4 Flash #Gemini 3 Deep Think #基准测试

事件专题

官方账号ARC Prize@arcprize2 个信源在谈原文

模型 Agent 与开发者76°02:11

GLM 5.3 Flash 在 ARC-AGI 基准测试中表现优异

智谱AI的GLM 5.3 Flash在ARC-AGI测试中高分且成本低，性价比突出。

#GLM #Zai_org #ARC-AGI #推理模型

官方账号ARC Prize@arcprize原文

9月29日

模型中美对照多源确认76°20:16

OpenAI发布GPT-6 Sol模型

OpenAI的GPT-6 Sol在ARC-AGI测试中表现亮眼，成本效率高，与Luna和Astra形成鲜明对比。

#GPT-6 #OpenAI #ARC-AGI #推理模型

事件专题

官方账号ARC Prize@arcprize11 个信源在谈原文

9月7日

技巧 Agent 与开发者精选73°23:50

Harness技术提升模型ARC-AGI成绩30%

YC团队揭秘Harness如何让模型性能翻倍，OpenJarvis实现本地AI，QM工作代理架构解析

#Harness #ARC-AGI #OpenJarvis #QM

Y Combinator@ycombinator原文

模型 Agent 与开发者18:28

菲尔兹奖得主团队发布Qwen+和GLM模型

菲尔兹奖得主团队的大模型在ARC-AGI 3上表现亮眼，手机端和云端各有优势。

#Qwen #GLM #ARC-AGI #菲尔兹奖

量子位@衡宇原文

9月4日

模型中美对照多源确认精选73°10:10

OpenAI GPT-6 Astra 引发争议

OpenAI 的 GPT-6 Astra 在 ARC-AGI 测试中表现亮眼，但专家对其是否真正实现 AGI 提出质疑。

#GPT-6 #Astra #OpenAI #ARC-AGI

事件专题

Gary Marcus@GaryMarcus11 个信源在谈原文

模型中美对照多源确认73°10:01

OpenAI的Astra模型在ARC-AGI-3基准上取得突破

OpenAI的Astra在ARC-AGI-3上达到99%分，96%关卡超越人类，表现惊艳。

#GPT-6 #Astra #OpenAI #ARC-AGI

事件专题

官方账号Greg Brockman@gdb11 个信源在谈原文

模型中美对照多源确认73°05:12

OpenAI GPT-6 Astra 多项基准测试领先

OpenAI 新发布的 GPT-6 Astra 在多个权威基准测试中击败了最新竞品，尤其在科学和医疗领域表现突出。

#GPT-6 #OpenAI #FrontierMath #ARC-AGI

事件专题

elvis@omarsar011 个信源在谈原文

模型中美对照多源确认73°04:45

GPT-6 Astra发布

OpenAI发布GPT-6 Astra，在ARC-AGI基准上接近满分，安全性能大幅超越Claude Fable，编程效率更高且成本更低。

#GPT-6 Astra #OpenAI #Claude Fable #ARC-AGI

事件专题

官方账号Simon Willison’s Weblog11 个信源在谈原文

模型中美对照多源确认78°04:06

GPT-6 Astra在多项基准测试中领先

OpenAI发布GPT-6 Astra，在多个AI基准测试中刷新记录，科学领域表现尤其突出。

#GPT-6 #Astra #OpenAI #FrontierMath

事件专题

官方账号OpenAI@OpenAI (@OpenAI)11 个信源在谈原文

8月11日

模型精选23:22

BDH-CQ以0.0007美元成本在ARC-AGI 1获29.5%

Pathway的BDH-CQ用极低成本在ARC-AGI 1拿到29.5%，靠的是潜在空间推理而不是CoT，还验证了600B参数规模，值得一看。

#BDH-CQ #ARC-AGI #Pathway #推理模型

elvis@omarsar0原文

8月8日

模型中美对照多源确认11:31

GPT-5.6 Luna降价80%后ARC-AGI成绩不变，性价比突出

ARC Prize实测了降价后的GPT-5.6 Luna，性能没缩水，跑一次ARC-AGI-2只要0.18美元，性价比确实猛。

#GPT-5.6 Luna #OpenAI #ARC-AGI #推理模型

事件专题

官方账号Greg Brockman@gdb11 个信源在谈原文

8月7日

行业精选03:16

Gary Marcus驳‘LLM=缸中之脑’：智力不靠身体靠前额叶

Gary Marcus怼了个流行类比：别把LLM当缸中脑，人的智力靠前额叶，不是靠身体。看看他咋说的。

#GaryMarcus #ARC-AGI #LLM #具身智能

Gary Marcus@GaryMarcus原文

7月26日

模型中美对照多源确认86°18:01

Anthropic Opus 5在ARC-AGI-3得分30.2%，达GPT-5.6 Sol近四倍

Anthropic的Opus 5在智能测试上把GPT-5.6 Sol甩开一大截，还自己学会推方程了。

#Opus 5 #GPT-5.6 Sol #Anthropic #推理模型

事件专题

官方账号Decoder@Matthias Bastian11 个信源在谈原文

7月14日

论文11:58

FactorDiff：离散扩散模型的因子级专家组合

这篇论文把专家组合从全局加权改成了因子级路由，在ARC-AGI上效果更好，适合研究离散扩散或组合生成的人看。

#FactorDiff #ARC-AGI #离散扩散模型 #专家组合

arXiv cs.LG@Haozhe Huang 等 4 人原文

6月12日

行业多源确认精选13:05

Anthropic Fable 5 因数据条款未运行 ARC 评估

AI 评估社区和关注模型安全的研究者值得关注——数据条款正在影响基准测试的独立性，这直接关系到模型能力的可信度。

#Anthropic #Fable 5 #ARC-AGI #数据隐私

事件专题

官方账号ARC Prize@arcprize11 个信源在谈原文

6月4日

论文精选72°19:10

LLM智能体记忆不可靠：反复重写反而更糟

做AI智能体开发的团队会立刻警觉——你精心设计的记忆系统可能在悄悄退化。这篇论文用实验数据戳破了「自动总结记忆」的幻觉，建议所有用LLM做长期任务的开发者点开看看，别让记忆成为瓶颈。

#LLM智能体 #记忆机制 #可靠性 #ARC-AGI

rohanpaul_ai@rohanpaul_ai原文