O AGENTICO
ARC-AGI-3
conceito · 13 menções
Google DeepMindO que as fontes disseram sobre ARC-AGI-3
O ARC-AGI-3 é um benchmark composto por jogos de quebra-cabeça 2D nos quais os agentes devem aprender a jogar sem instruções explícitas. As fontes reportam que o GPT-5.5 obteve apenas 0,4% de pontuação, enquanto o GPT-5.6 Sol alcançou 7,8% antes da ativação das configurações 'retained reasoning' e 'compaction', que triplicaram suas pontuações e reduziram os tokens de saída em 6 vezes no conjunto de tarefas públicas. Também é relatado que o uso de um harness elevou o Claude Opus 5 de 30% para 100% no benchmark, e que o GPT-6 Astra atingiu pontuações altas, como 98,6% ou 99,9%, dependendo da fonte, o que levou François Chollet a antecipar sua previsão para o AGI.
Evolução
Dados
| Dimensionalidade dos jogos do benchmark ARC-AGI-3 | 2D |
| Pontuação do GPT-5.5 no ARC-AGI-3 | 0,4% |
| Multiplicador da pontuação do GPT-5.6 Sol no ARC-AGI-3 | triplicou |
| Fator de redução dos tokens de saída do GPT-5.6 Sol | 6 vezes |
| Pontuação do GPT-5.6 Sol no ARC-AGI-3 antes da ativação das configurações | 7,8% |
| Pontuação no benchmark ARC-AGI-3 | 0,4% |
| Multiplicador das pontuações no ARC-AGI-3 | triplicou |
| Redução dos tokens de saída | 6 vezes |
Menções
No Standard Harness, o Argon marcou 49,8% no ARC-AGI-3 com baixo nível de raciocínio, a um custo de US$ 5.800.
A diferença em relação ao resultado no Provider Adapter Harness evidencia que o desempenho reportado varia bastante conforme a configuração do teste.
No ARC-AGI-3, o Argon obteve 97,5% usando o Provider Adapter Harness, a um custo de US$ 4.800.
O resultado mostra o desempenho do modelo em um benchmark de resolução geral de problemas, mas depende do método de teste utilizado.
A OpenAI iniciou o lançamento do GPT-6 Astra, seu modelo mais avançado, que alcançou 98% no benchmark FrontierMath Tier 4 e 99,9% no ARC-AGI-3.
O novo modelo demonstra capacidades superiores em matemática e aprendizado de novas tarefas, marcando um avanço significativo em direção à inteligência artificial geral.
É relatado que o GPT-6 Astra é mais eficiente que o humano médio no benchmark ARC-AGI-3, o que levou François Chollet, chefe do ARC Prize, a antecipar sua previsão para o AGI.
A eficiência superior em tarefas de aprendizado, um pré-requisito para a inteligência geral artificial, é um marco notável e acelera as discussões sobre o futuro da IA.
O GPT-6 Astra tem desempenho superior em benchmarks como FrontierMath Tier 4 (98%), ARC-AGI-3 (98.6%) e ExploitBench (100%).
Os resultados mostram que o modelo supera concorrentes em áreas-chave como matemática, raciocínio e segurança, reforçando sua posição competitiva.
Com o uso do AVO, o Claude Opus 5 atingiu 100% de acerto no benchmark ARC-AGI-3, contra apenas 30% sem ele.
O resultado demonstra o impacto significativo do harness no desempenho do modelo em tarefas de raciocínio complexo.
Todo dia, só o que dois veículos independentes confirmaram — no seu feed.