ARC-AGI-2：Grok 4.7 的推理 token 用量与成绩相关

ARC Prize 公布的 Grok 4.7 结果显示，ARC-AGI-2 得分随推理档位提高而上升，关注价值在于它把模型表现与推理资源投入联系起来，而不是只比较单一准确率。

• ARC Prize 官方结果页显示，Grok 4.7 在 ARC-AGI-2 上的低、中、高、超高档得分分别为 16.7%、58.8%、58.3% 和 61.4%。
• 这些结果表明增加推理档位可能带来更高成绩，但高档位之间并非单调上升，不能据此断言 token 数量与成绩存在简单线性关系。
• ARC-AGI-2 设计目标是检验新任务上的抽象推理与适应能力，官方强调效率本身也是评价维度。
• 条目所引 X 帖子把 token 用量与成绩并列呈现，但在公开结果页中更容易核验的是不同推理档位和分数，token 统计仍应结合完整实验设置解读。
• 影响/看点：如果后续实验能在固定任务、提示和采样条件下重复这一关系，推理 token 将成为模型效果与成本之间的重要权衡指标；否则，档位差异也可能混入搜索策略、上下文保留等因素。
• 资料依据:
• ARC Prize Grok 4.7 结果页（2026-09-21）：https://arcprize.org/results/xai-grok-4-7
• ARC-AGI-2 官方说明（2025-05-20）：https://arcprize.org/blog/arc-agi-2-technical-report
• ARC Prize X 帖子（2026-10-06）：https://x.com/arcprize/status/2107511517117571149

本内容由 AI 生成，仅供参考，请注意甄别