https://s1.work/tags/ai%E5%9F%BA%E5%87%86/Recent content in AI基准 on Sone BlogHugozh-CNCopyright © 2024 Sone BlogThu, 25 Jun 2026 11:00:00 +0800https://s1.work/posts/reading-38-arc-agi-2-o3-limits/Thu, 25 Jun 2026 11:00:00 +0800https://s1.work/posts/reading-38-arc-agi-2-o3-limits/<p>76% 和 4%，同一个模型，两张考卷。2024 年底 OpenAI 的 o3 在 ARC-AGI-1 上拿到 75.7%，&ldquo;AGI 临近&quot;的声音一度盖过一切。三个月后 François Chollet 的团队发布 ARC-AGI-2，同一批前沿模型重考：o3 掉到约 4%（每题还要烧约 200 美元算力），o3-mini 直接 0%，纯语言模型 GPT-4.5 也是 0%。人类这边呢，受控测试的平均分 60%，人类小组合作能做到 100%。</p>