Grok 4.7 在 ARC-AGI-3 上的评测成绩公布

ARC Prize 公布了 Grok 4.7 在 ARC-AGI-3 不同评测框架下的结果，标准框架约为 1.8%，提供商适配器框架约为 10.0%，关注价值在于同一模型的成绩会受到状态保存和推理接口设计影响。

• ARC Prize 官方结果页列出标准框架最高约 1.82%，提供商适配器框架最高约 10.05%。
• 标准框架允许模型在环境中保留自行选择的笔记；提供商适配器则保留不透明推理状态，并支持更长对话中的自动压缩。
• 两种框架并非只改变计算预算，也改变了模型跨轮次保存和复用信息的方式，因此分数不宜直接视为同一条件下的横向比较。
• ARC-AGI-3 面向交互式、适应性任务，结果更接近对智能体记忆、状态管理和行动策略的综合测试，而非单轮问答能力。
• 影响/看点：这组结果可能推动评测从单纯比较模型转向同时报告模型、推理预算和运行框架；只有在任务、预算和状态机制统一后，分数差异才更适合用于产品选型或能力判断。
• 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-3 技术报告（2026-04-22）：https://arcprize.org/media/ARC_AGI_3_Technical_Report.pdf
• ARC Prize X 帖子（2026-10-06）：https://x.com/arcprize/status/2107511512990433533

本内容由 AI 生成，仅供参考，请注意甄别