ARC-AGI-4 或该减少公开演示，Opus 5 在 ARC-AGI-3 领先 3 倍
burny_tech · x · 2026-07-25
- 这条帖子的核心是在讨论 ARC-AGI-4 是否应该更私密一些，减少公开 demo。
- 作者认为，现在很多人已经默认，ARC-AGI 的进展主要来自针对性的 RL 环境，而不是开放式公开演示。
- 被引用的上下文提到：在 ARC-AGI-3 这个要求模型解决新问题的评测上，Opus 5 的分数是第二名的 3 倍。
- 这不是产品发布，而是关于评测设计、公开性与模型进展呈现方式的讨论。
所属事件:Opus 5 ARC-AGI-3 高分引发造假与过拟合争议(11 条相关)→
「模型」频道最新
- BullshitBench 榜单更新:GPT-6-Astra 领先历代 OpenAI 模型仍未及 Anthropic — scaling01 · 2026-09-11
- Agent Astra 在 GauntletBench 得 83%,成首个超人类基线的电脑操作 Agent — ducha_aiki · 2026-09-11
- Kimi K2.8 Preview 上线：性能接近 K3、1M 上下文全档开放 — teortaxesTex · 2026-09-11
- 有人想给软件工程任务建「形态分类」数据库,好按任务选模型 — StewartalsopIII · 2026-09-11
- 用户呼声下 DeepSeek V4 Pro API 宣布继续服务,计费不变 — teortaxesTex · 2026-09-11
- 第三方实测:DeepSeek V4.1 Flash 达 GPT-6 Astra 98% 分,成本仅 1.4% — ayushtweetshere · 2026-09-11