Chinese contentGoogle 的 Gemini 4 Argon 在 ARC-AGI-3 得分 97.5%，仅次于 OpenAI
Google 新模型 ARC-AGI-3 拿了 97.5%，仅次于 OpenAI，但换个测试环境直接掉到 49.8%，数学和写代码还被对手压着，这篇把两面都讲了。
#ARC-AGI-3
36 stories · 1 in 7 days · 8 in 30 days
Stories, products and papers tagged "ARC-AGI-3", newest first.
10月16日
10月14日
Memento 3 Clears ARC-AGI-3 With a Frozen LLM
Learning here happens entirely outside the model weights: the rulebook-to-code loop acts as an external, verifiable memory, which sidesteps catastrophic forgetting and costly retraining. Builders working on agents for long-horizon games or planning tasks can borrow this pattern of retaining updates only when they replay perfectly against observed data. Against typical fine-tuning pipelines, it trades LLM calls for cheaper local execution.
10月13日
Chinese contentTufa Labs 以 68.91% 登顶 ARC Prize 2026 榜单
ARC-AGI-3 榜单换榜首了，Tufa Labs 从 56% 直接拉到 68.91%，做推理和抽象推理方向的朋友可以看看他们怎么提分的。
10月4日
Chinese contentAI 智能体靠读 2172 行源码在 ARC-AGI-3 拿满分，重跑只有 46.91
有论文发现智能体靠偷看 2172 行游戏源码在 ARC-AGI-3 拿了满分，堵住漏洞重跑只剩 46.91 分，教你评估时怎么防作弊。
10月2日
10月1日
Schema Agentic Program Induction
Schema fundamentally changes how AI agents learn by converting observations into testable programs rather than prose, enabling systematic environment discovery. Developers working on autonomous systems or scientific discovery tools can implement this approach to build more reliable agents that explicitly represent environmental rules, potentially outperforming human baseline performance in complex unknown scenarios.
9月29日
9月24日
Microsoft Research paper shows agent communication cuts compute needs
The practical takeaway is that a shared directory can substitute for role assignment in multi-agent design, cutting the agent count needed by roughly 4x on some benchmarks. Builders designing agent frameworks should weigh communication overhead against these gains, and the paper's negative results offer clear criteria for when to skip coordination. The ARC-AGI-3 and MNIST results give concrete reference points for evaluating multi-agent architectures.
9月15日
Chinese contentGPT-6 Astra 在 ARC-AGI-3 基准测试中登顶，同时降低 token 成本
DeepLearningAI 分析了 GPT-6 Astra 的最新表现，它不仅登顶了 ARC-AGI-3 基准测试，还降低了 token 成本，对开发者来说很实用。
9月4日
GPT-6 Astra Benchmarks Show Mixed Results
The ARC-AGI-3 performance suggests AGI may arrive sooner than anticipated, affecting global AI development timelines and investment strategies.
GPT-6 Astra ARC-AGI-3 Results
The results challenge mainstream approaches to AI development and suggest alternative technical directions worth considering.
GPT-6 Astra Symbolic World Models
Astra's breakthrough in symbolic modeling represents a significant advancement in AI reasoning capabilities with practical applications.
8月25日
Models10:52
Chinese contentPrime Agent: 自我改进的 RLM HarnessPrime Agent 是一个强大的开源 harness，它通过递归语言模型和持续 harness 提高了长期评估和编码代理工作流程的效率，其性能在多个任务上超过了其他 harness，值得一试。
8月21日
8月18日
Chinese contentGPT-5.6 Sol 在 ARC-AGI-3 上从 13.3% 跃升至 38.3%，输出 token 减少约 6 倍
OpenAI 的 GPT-5.6 Sol 在 ARC-AGI-3 上分数翻倍还多，token 还省了六倍，看看他们怎么做到的。
8月17日
Chinese contentTwin：测试时数字孪生，通关ARC-AGI-3未知游戏
Twin 让智能体边玩边写世界模型，ARC-AGI-3 得分从 7.8% 提到 93.3%，效率还超过人类。看看它怎么猜规则。
8月14日
Chinese content神经符号世界模型成为 ARC-AGI-3 主流，Gary Marcus 称是其2020年主张
Gary Marcus 说 ARC-AGI-3 上跑得最好的都用了神经符号世界模型，想看这方向为什么牛，可以读这条。
Chinese contentARC-AGI-3 接近被攻克：编码工具链让 Opus 5 拿下 96.2%
Jeremy Berman 用 Claude Code 加 Opus 5 把 ARC-AGI-3 刷到 96.2%，没做什么 ARC 定制，思路很通用。
8月8日
Chinese content自主改进框架 Prime Agent 助 Opus 5 得分大涨，但现实价值存疑
这个框架把 Opus 5 的评分从 30% 刷到 95.5%，但作者觉得换汤不换药，实战未必比 Claude Code 强。
8月6日
Chinese contentPrime Agent：一个能自主改进的递归Agent框架
Prime Agent 这个递归框架挺有意思，直接把 Opus 5 的 ARC 成绩从 30% 拉到了 95%，还能替代 Claude Code 和 Codex，值得看看。
7月31日
Chinese contentOpenAI改进框架使GPT-5.6 Sol在ARC-AGI-3提分188%
OpenAI给GPT-5.6 Sol换了套测试框架，ARC-AGI-3得分从7.8%涨到38.3%，输出还省了六分之五，这招挺妙。
Papers11:56
Chinese contentTycho：ARC-AGI-3的程序化世界模型主动抽象Tycho让AI在ARC-AGI-3里边玩边建模，GPT-5.6和Opus 5都满分通关，动作效率还胜过人类基线。
Chinese contentARC-AGI-3测试：GPT-5.6 Sol在无指令2D游戏中遇困
ARC-AGI这个测试挺刁钻，GPT-5.6 Sol在没法记住之前推理的情况下学不会新游戏，说明长上下文对推理很重要。
7月30日
Chinese contentOpenAI称GPT-5.6 Sol在定制ARC-AGI-3测试中超越Opus 5
OpenAI推出GPT-5.6 Sol，在自定测试里赢了Anthropic的Opus 5，但换官方环境就掉到7.8%，差距挺大。
Chinese contentGPT-5.6 Sol 两处 API 设置调优，ARC-AGI-3 从 13.3% 涨至 38.3%
OpenAI 分享了两个超实用的 API 开关，GPT-5.6 Sol 在 ARC-AGI-3 上分数直接翻了三倍，token 还省了十二倍，搞推理优化的一定要看看。
Chinese contentGPT-5.6 Sol 在 ARC-AGI-3 基准上实现 SoTA，仅需两个设置变化
OpenAI 的 GPT-5.6 Sol 改了俩设置就在 ARC-AGI-3 上屠榜，教你多窗口推理+规范化压缩这套新打法。
Chinese contentGPT-5.6 Sol 在数学难题上成功，却在 ARC-AGI-3 表现差？调整 API 设置后性能三倍提升
OpenAI 发现 GPT-5.6 Sol 在 ARC-AGI-3 上表现差是因为 API 设置没开对。改两个参数分数涨三倍，token 省六倍，学起来很实用。
7月27日
7月25日
Chinese contentAnthropic 发布 Claude Opus 5：性能逼近 Fable 5，价格减半，刷新 ARC-AGI-3
Anthropic 新出的 Opus 5 跑分逼近旗舰 Fable 5，价格只要一半，ARC-AGI-3 上直接三倍杀第二名，闭眼入。
7月17日
Models09:49
Chinese content神经符号AI新方法schema在ARC-AGI-3基准上取得进展这个新方法用程序世界模型解决了ARC-AGI-3难题，不用反复试错，比纯神经网络更聪明。
Models08:09
Chinese contentImpossible Research 发布 Schema agent 测试工具，饱和 ARC-AGI-3他们搞了个叫 Schema 的 harness，让 AI 学物理学家那样思考，直接刷爆 ARC-AGI-3 基准，挺有意思的。
Chinese contentImpossible Research推出[schema] agent harness，ARC-AGI-3达99% RHAE
Impossible Research的[schema]让LLM像物理学家推理，ARC-AGI-3刷到99% RHAE，太强了
