GPT-6 Astra 横扫 ARC-AGI-3：标准 66%，专用 harness 近满分
AccBalanced · x · 2026-09-05
ARC Prize 的 François Chollet 公布 GPT-6 Astra 在交互推理基准 ARC-AGI-3 上的成绩，称为「阶跃式」能力飞跃：
- 标准测试 harness 下得分 66%；使用连续对话 harness 加自定义压缩（compaction）后接近 100%，代价约为每局 $360。
- 连续 harness 版本在几乎所有关卡上的动作效率超过人类基线。
- 分析推理链发现，模型在为每个游戏/关卡做高效的即时符号世界建模，甚至自行发明了一套速记 DSL 来表示游戏内状态——类似游戏专属的「代数」。
- ARC 团队评价：Astra 展现了过去只有复杂 harness 才能实现的符号建模行为，「harness 能力正在被吸收进模型本身」。
这被视为交互式推理能力的一个标志性结果。
所属事件:GPT-6 Astra 刷爆 ARC-AGI-3：满分、零推理 token 与 harness 争议(10 条相关)→
「模型」频道最新
- 开发者实测:Gemini Argon 分析调试日志优于 Fable 5.1 — ShikharMurty · 2026-10-21
- 用户让 ChatGPT「尖叫」，它陷入无限循环 AAAAHHH 停不下来 — AutomaticScene · 2026-10-21
- 开源新模型 Ornith-1.5-122B 发布:SWE-bench 84.5%,单卡 DGX 可跑 — _akhaliq · 2026-10-21
- Gemini 3.1 Pro 玩「两真一假」：bot 太沉迷账本，秒被识破谎言 — mimi10v3 · 2026-10-21
- 1.3B 开源模型 OXR 登顶三大文档解析榜，百页 101 秒 — aftahi_ai · 2026-10-21
- MiniMax M3.1 Flash 上架 TokenRouter：DeepSWE 73.7%，输出 $0.6/M — MiniMax_AI · 2026-10-21