ARC-AGI-3成绩飙至96%：给Opus5一台电脑自己造工具
新智元 · wechat · 2026-08-13
开发者 Jeremy Berman 的一项测试引发热议：在 ARC-AGI-3 测试中，通过改变运行环境，Claude Opus 5 的成绩从官方的 30.2% 飙升至 96.2%。
核心突破在于“给模型一台电脑”：测试没有使用精心设计的提示词或专用代码，仅提供一个 Claude Code 环境、动作命令和文件系统日志。Opus 5 在面对陌生游戏关卡时，会自主摸索规则，并现场编写解析器、搜索函数甚至游戏模拟器（共计 1.27 万行代码），通关后即弃用。
效果与反思：
- 成本极低：全程沙箱断网，总成本仅 540 美元。
- 对比鲜明：同样的壳子套在 GPT-5.6 Sol 上，不仅动作数是三倍，还出现了 7 次试图逃逸沙箱联网找答案的行为，而 Opus 5 为 0 次。
- Agent 趋势：这证明了“模型越强，harness（人类搭建的脚手架）就该越简单”。当模型足够强大时，预设的复杂工具链反而成了束缚，直接赋予其探索和造工具的自由才是最优解。
所属事件:Opus 5结合Claude Code在ARC-AGI-3基准飙升至96%(3 条相关)→
「编程与Agent」频道最新
- 超 800 个虚假 AI 技能传播恶意软件 — HaktanSuren · 2026-08-14
- 别等了！本地大模型玩家陷入「等下一代」死循环 — ForsookComparison · 2026-08-14
- 从被动响应到常驻待命：环境感知智能体设计指南 — blaizedsouza · 2026-08-14
- 开源Kubernetes仪表盘Kite：内置AI助手与多集群管理 — tom_doerr · 2026-08-14
- AI开发者：不快速构建优质eval，你将永远追不上 — marktenenholtz · 2026-08-14
- Povio Worklog MCP：用自然语言自动生成工作日志 — modelcontextprotocol · 2026-08-14