GPT-6 Astra dari OpenAI mencetak 62,7% untuk $26K pada ARC-AGI-3 Semi-Private dengan harness standar kami, dan 99,9% untuk $19K dengan harness Adaptor Penyedia. Keduanya adalah skor tercanggih.

GPT-6 Astra melampaui garis dasar manusia dalam efisiensi tindakan pada ARC-AGI-3, menggunakan lebih sedikit tindakan daripada median manusia yang diuji pada 96% level. Ia mengubah lingkungan yang tidak dikenal menjadi model dunia simbolik yang ringkas, mewakili mekanika game sebagai aturan logis dan mengembangkan singkatan bahasa khusus domainnya sendiri.

ARC-AGI-3 adalah tolok ukur untuk kecerdasan agen melalui lingkungan baru, abstrak, dan berbasis giliran. Agen harus mengeksplorasi, menyimpulkan tujuan, dan membangun model internal untuk merencanakan tindakan. Manusia dapat menyelesaikan 100% lingkungan. Tujuannya adalah untuk mengukur kesenjangan residual antara AI saat ini dan AGI.

ARC-AGI-3 menguji empat komponen: eksplorasi, pemodelan, penetapan tujuan, dan perencanaan/eksekusi. Tingkat penalaran yang lebih tinggi umumnya lebih murah karena Astra menyelesaikan game dengan lebih sedikit tindakan, mengurangi panggilan model dan token. Untuk perbandingan biaya, peserta manusia dibayar $115 per sesi 90 menit, ditambah $5 per game yang diselesaikan.

Entitas Kunci: Perusahaan: OpenAI