OpenAI 的 GPT-6 Astra 在 ARC-AGI-3 Semi-Private 上使用我们的 Standard harness 取得了 62.7% 的成绩，成本为 $26K，使用 Provider Adapter harness 时取得了 99.9% 的成绩，成本为 $19K。两者均为最先进的成绩。

GPT-6 Astra 在 ARC-AGI-3 上的行动效率超越了人类基线，在 96% 的关卡中使用的行动次数少于测试人类的中位数。它将陌生的环境转化为紧凑的符号世界模型，将游戏机制表示为逻辑规则，并开发出自己的领域特定语言简写。

ARC-AGI-3 是一个通过新颖、抽象、回合制环境来研究代理智能的基准。代理必须探索、推断目标并构建内部模型来规划行动。人类可以解决 100% 的环境。目标是衡量当前 AI 与 AGI 之间的残余差距。

ARC-AGI-3 测试四个组成部分：探索、建模、目标设定和规划/执行。更高的推理水平通常成本更低，因为 Astra 以更少的行动解决游戏，减少了模型调用和令牌。为了成本比较，人类参与者每 90 分钟会话获得 115 美元报酬，外加每完成一个游戏 5 美元。

关键实体：公司：OpenAI