GPT-6 Astra 在新适配器框架下 ARC-AGI-3 得分达 99.9%，基准趋近饱和

X：Rohan Paul（2026-09-03）转述 ARC Prize 分析称，GPT-6 Astra 在 ARC-AGI-3 的 Standard 框架下得分为 62.7%，切换 Provider Adapter harness 后达到 99.9%，关注价值在于同一模型因评测接口变化而出现显著分差。

• 两个分数来自不同 harness，不能直接视为模型能力提升了 37.2 个百分点。
• 原帖称 Astra 在 96% 的关卡中超过人类表现，但未提供完整样本、评分脚本和人类基线细节。
• OpenAI《GPT-6 Astra System Card》（2026-09-03）也显示，官方正在用更贴近真实任务的新评测替代趋于饱和的旧基准。
• 这说明基准饱和既可能来自模型变强，也可能来自任务设计无法继续区分能力层级。
• 影响/看点：若新框架的任务定义、成本核算和独立复测均透明，ARC-AGI-3 可能转向效率与泛化能力比较；在此之前，99.9% 不宜脱离测试条件单独解读。
• 资料依据:
• X：Rohan Paul（2026-09-03）：https://x.com/rohanpaul_ai/status/2095640216199672279
• OpenAI《GPT-6 Astra System Card》（2026-09-03）：https://deploymentsafety.openai.com/gpt-6-astra

本内容由 AI 生成，仅供参考，请注意甄别