优化记忆管理设置，GPT-5.6 在 ARC-AGI-3 跑分翻三倍

OpenAI 官方证实，通过在 Responses API 中开启“保留推理”与“上下文压缩”两项设置，GPT-5.6 Sol 在 ARC-AGI-3 公开测试集的得分从 13.3% 飙升至 38.3%（提升 188%），达到 SOTA 水平，且 token 消耗大幅降至原先的 1/6。该发现表明，测试框架的记忆管理机制而非纯粹的模型推理能力，才是决定模型在复杂长程任务中表现的关键。

已确认

• GPT-5.6 Sol 此前在 ARC-AGI-3 基准测试中默认表现不佳，开发者 @sandersted 最早实测指出了这一问题。
• 开启 ChatGPT 和 Codex 内部使用的两项特定 API 设置后，模型得分提升约 3 倍（从 13.3% 提升至 38.3%），同时 token 使用效率提高约 6 倍（消耗量降至原先的 1/6）。
• 这两项关键设置分别为保留推理与上下文压缩，允许模型记住先前的思考过程，并跨越多个上下文窗口进行连续处理。
• OpenAI 工程师 @ilanbigio 指出，标准测试框架会在每步操作后丢弃模型的推理过程，并在上下文填满时丢失早期操作记录，导致模型在隔离环境下评测表现受限。

为什么重要

• 该发现挑战了当前业界通用的隔离式模型评测方法。开发者 @Angaisb 等人指出，通过优化测试框架就能轻易解决复杂任务，这意味着单纯比较模型在裸跑基准测试中的分数，并不能真实代表不同 AI 系统的实际智能水平。
• 产品框架（如 ChatGPT 和 Codex 的内部机制）与模型能力的深度协同，对模型在复杂任务上的表现有决定性影响，性能瓶颈往往在于上下文管理而非模型本身。

2026-07-30 ~ 2026-08-01 · 27 条相关

事件全程(共 9 集)→

• 第 1 集:Opus 5 ARC-AGI-3 高分引发造假与过拟合争议(2026-07-25,11 条)
• 第 2 集:深扒 Opus 5 隐藏推理机制与 ARC-AGI 成绩(2026-07-25,2 条)
• 第 3 集:Anthropic 基准测试表现引发社区信任危机(2026-07-25,2 条)
• 第 4 集:Gary Marcus 批评 ARC-AGI 命名易误导大众(2026-07-27,2 条)
• 第 5 集:前沿AI评测缺失人类基准，人机协同评估成新焦点(2026-07-29,4 条)
• 第 6 集:优化记忆管理设置，GPT-5.6 在 ARC-AGI-3 跑分翻三倍(2026-07-30,27 条)
• 第 7 集:ARC-AGI 3评测机制遭开发者集体质疑(2026-07-30,9 条)
• 第 8 集:Claude Opus的ARC-AGI高分被指受API实现影响(2026-07-30,2 条)
• 第 9 集:ARC-AGI-3评测规则澄清与官方代码库开源(2026-07-30,5 条)

• GPT-5.6 跑分翻车？开启特定 API 设置后效率暴增 — sandersted · 2026-07-30
• 曝GPT-5.6开启特定API设置后，ARC-AGI-3得分飙升3倍 — sandersted · 2026-07-30
• GPT-5.6开启记忆后，ARC-AGI-3分数飙升3倍 — sandersted · 2026-07-30
• 【源头】OpenAI 揭示上下文压缩机制，GPT-5.6 ARC-AGI-3 成绩飙升至 38% — ilanbigio · 2026-07-30
• 优化测试框架即破纪录，ARC-AGI-3 被指不能反映真实能力 — Angaisb_ · 2026-07-30
• 仅改两个设置，OpenAI 在 ARC-AGI-3 跑分翻三倍 — ObiWanCanownme · 2026-07-30
• 【源头】OpenAI：优化 API 设置让 GPT-5.6 Sol 的 ARC-AGI-3 得分翻三倍 — OpenAI · 2026-07-30
• 上下文压缩立功，GPT-5.6 登顶 ARC-AGI-3 — daniel_mac8 · 2026-07-30
• 保留跨回合推理与压缩，GPT-5.6 Sol 在 ARC-AGI-3 提分约 3 倍 — charliermarsh · 2026-07-30
• GPT-5.6 Sol 推理测试细节：缺乏记忆导致模型每步需重新理解规则 — charliermarsh · 2026-07-30
• 测试框架决定模型上限?GPT-5.6 登顶 ARC-AGI-3 — TheZachMueller · 2026-07-30
• GPT 模型实测：开启上下文压缩后，性能飙升 188% 且 token 消耗骤降 — soumitrashukla9 · 2026-07-30
• 仅调两项 API 设置,GPT-5.6 ARC-AGI-3 分数提升 3 倍 — gabrielchua · 2026-07-30
• OpenAI新API实测：GPT-5.6分数翻倍且省6倍Token — arthurcolle · 2026-07-30
• 优化上下文管理让 ARC-AGI-3 成绩提升三倍 — ns123abc · 2026-07-30
• OpenAI 实测：优化工程框架让模型评分飙升 188% — ChrisUniverse · 2026-07-31
• OpenAI 揭秘 GPT-5.6 评测：调整记忆设置让分数翻三倍 — TheTuringPost · 2026-08-01

另有 10 条近重复转述:sandersted · ilanbigio · OpenAI · tw_killian · soumitrashukla9 · GregKamradt · xiaohu · 机器之心 · rohanpaul_ai · KeanuRave100