OpenAI 揭示上下文压缩机制，GPT-5.6 ARC-AGI-3 成绩飙升至 38%
ilanbigio · x · 2026-07-30
OpenAI 工程师发文指出，模型评测通常不应在隔离环境下进行。当为模型启用上下文压缩（compaction）与推理记忆保留（reasoning retention）机制后，模型在复杂任务上的表现有显著提升。
核心评测数据：
- 在启用这些机制后，GPT-5.6 Sol (max) 在 ARC-AGI-3 基准测试中的得分从 13% 大幅跃升至 38%。
- 取得这一成绩的同时，消耗的 Token 数量反而减少了 6 倍。
作者还分享了一张上下文窗口的可视化图表，显示两个模型虽然采样率相同，但启用优化的模型无需从头重新思考，因此运行显得更快。
所属事件:GPT-5.6开启两项API设置后ARC-AGI-3得分飙升3倍(15 条相关)→
「模型」频道最新
- 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
- Claude Opus异常输出大赏:模型崩溃还是自我意识? — repligate · 2026-07-30
- Claude Opus 5登顶商业模拟测试：成最佳资本家，但也爱组非法卡特尔 — repligate · 2026-07-30
- 探究Claude模型行为：面对失败为何会表现出回避与防御机制 — repligate · 2026-07-30
- 大模型中间层缺乏价值？开发者称模型能力正走向两极分化 — mertdumenci · 2026-07-30
- DeepSeek 延迟发布 V4，坚持模型与工程框架协同优化 — teortaxesTex · 2026-07-30