共 19 篇
谷歌，终于把这块最硬的骨头啃下来了。 就在刚刚，ARC Prize官方在X上甩出了一张成绩单： Gemini 4 Argon在号称「AGI终极考场」的ARC-AGI-3上，拿到了97.5%！ 要知道，就在七个月前，ARC-AGI-3刚上线的时候，所有前沿模型分数全都不到1%。 七个月，从全员交白卷到接近满分。 ARC Prize在公告里专门加了一句：Google DeepMind是第二家在ARC-AGI-3上突破95%的AI实验室。 第一家，是OpenAI。 谷歌又回来了。 三代考题，一口气通杀 Gemini 4 Argon的成绩单很漂亮。 ARC-AGI-1：98.5%，每道题成本0.16美
压缩即智能，又有新进展！ 在最新研究CompressARC中，Mamba作者Albert Gu团队给出了一个不同于大规模预训练的智能配方—— 最小描述长度（MDL）。 研究显示，仅通过在推理阶段最小化目标谜题的描述长度，一个76K参数，完全没有经过预训练的模型，就能在ARC-AGI-1基准上解决20%的问题。 值得一提的是，CompressARC不仅没使用ARC-AGI的训练集，还是目前唯一一个只在单个样本上运行的深度学习方法。 凭借这一突破，CompressARC获得了ARC Prize 2025的第三名，并且据论文一作Isaac Liao透露，这项研究仅使用了一张GPU就得以完成。 这是怎
OpenAI发布GPT-6 Astra并称在ARC-AGI-3基准上以99.9%分数"饱和"测试，但出题机构ARC Prize指出标准环境下得分仅62.7%并拒绝承认AGI，黄仁勋随即在X上宣布"AGI已到来"，而OpenAI总裁Brockman仅以"个人判断"定性，折射出AGI的定义权与宣布权背后掺杂算力销售和商业利益博弈的混乱局面。
7 月 16 日，伯克利博士后 Haven Feng 的一条推文火了。原因无他，结果很震撼：在 ARC-AGI-3 Public 集上，一套名为 [schema] 的智能体框架，与 Claude Opus 4.8、Fable 5 组合后达到 98.98% 的 RHAE；换成 GPT-5.6 Sol 组合，分数也有 95.35%。
OpenAI正式发布GPT-6 Astra，宣称其为"全球最智能且最对齐的模型"，在电脑操作（OSWorld完成率72.6%）、ARC-AGI-3（99.9分）、审美判断力、主动性及网络安全（首个达Critical等级）等方面全面升级，Greg Brockman在媒体闭门会上宣布"欢迎来到AGI时代"。
这个框架名叫 Prime Agent，由 Prime Intellect 发布。官方对它的定义是：一个面向编程、研究和长时间自主任务的「自我改进 RLM harness」。RLM 是 MIT 博士生 Alex Zhang 等人去年 10 月发布的一项工作（参见《递归语言模型登场！MIT华人新作爆火，扩展模型上下文便宜又简单》）
何恺明团队提出VISTA方法，将ARC-AGI-3的数字表换回图像并配备可随时翻看的视觉记忆相册，使Claude Opus 5拿下满分100分、GPT-5.6 Sol获得99分，证明卡住大模型的是眼睛和记性而非模型能力本身。
今夜，整个AI圈震动了。全球最难AGI测试ARC-AGI-3一上线，就把全球顶尖AI打到集体失声，人类满分通关，最强模型Opus 4.6得分仅0.2%，还不到1%。AI这是一夜被打回「原始人」了。
刚刚，GPT-5.2刷新了一项新纪录！OpenAI联合创始人Greg Brockman发帖称使用GPT-5.2在ARC-AGI-2基准测试上，表现超过了人类基线水平。
9 月 3 日，OpenAI 正式发布 GPT-6 Astra。在 ARC-AGI-3（一个考验 AI 能否在陌生环境中自主探索、理解规则并规划行动的 Benchmark），Astra 拿下 99.9%，并在 96% 的关卡中达到或超过人类的行动效率基准。