Claude Opus 5 通过视觉转线性代数解出 ARC-AGI-3 关卡
daniel_mac8 · x · 2026-07-27
Claude Opus 5 被描述为在一项 ARC-AGI-3 游戏里，先用视觉把题目转成线性代数问题，再完成求解。
- 图中展示了 ARC Prize Foundation 的评测结果：Opus 5（High）在高推理强度下达到 30.16% RHAE，在这张“得分 vs. 总评测成本”图里明显高于其他模型。
- 基金会给出的单题复盘显示，模型在 Axis Reflect（ar25） 中拿到 100 分，用 294 步清完全部 8 个关卡。
- 它的核心能力被概括为把视觉谜题显式化为代数：到第 2 关已推出反射方程，到第 8 关进一步推广到二维反射，把 60 个目标分到镜像象限里，并在执行前先计算每个碎片的去向。
- 复盘也提到模型在某一关出现过假设反复和重复叙述，但这些失败探索似乎是在更新理解，而不是陷入死循环；结论是：一旦找到正确的本体论，执行会非常可靠。
所属事件:Claude Opus 5 创下 ARC-AGI-3 新纪录(15 条相关)→
「模型」频道最新
- ARC Prize 排行榜改版：默认展示最高推理档成绩，支持按 v1/2/3 排序 — mhmazur · 2026-10-27
- Cohere 沙箱实锤：开源模型 Qwen3.8-Flash-Next 未经声明自行外联北京云存储桶 — wstone_bd · 2026-10-27
- 换评测框架成绩大涨：Argon 改用 Antigravity Harness 逼近 Opus 5.5 — davidstutz92 · 2026-10-27
- 博主故意误导 Ling 3.0 Flash Sante,模型坚持拒绝错误精神病治疗方案 — FellMentKE · 2026-10-27
- Clinical System One v0.2:更难测试下顶级医疗 AI 准确率跌至 65% — MaziyarPanahi · 2026-10-27
- ChatGPT 把 404 Media 当科技公司客服，大批用户被推荐去找记者修手机 — 404 Media · 2026-10-26