ARC-AGI 排行榜

ARC-AGI-3 排行榜 ARC-AGI-1 ARC-AGI-2 ARC-AGI-3 作者：所有作者 模型类型：所有类型 模型：所有模型 了解排行榜 ARC-AGI 已经从测量被动流体智能的第一个版本（ARC-AGI-1 和 2）发展到了 ARC-AGI-3，后者挑战 AI 代理动态适应新颖的交互环境。上面的散点图直观地显示了每任务成本与性能之间的关键关系（效率的关键衡量标准）。真正的智能不仅仅是解决问题，而是用最少的资源有效地解决问题。解释数据推理系统趋势线解决方案显示代表不同推理级别的同一模型的连接点。这些趋势线说明了推理时间的增加如何影响绩效，通常随着思考时间的增加而呈现渐近行为。基础 LLM 解决方案代表来自 GPT-4.5 和 Claude 3.7 等标准语言模型的单次推理，没有扩展推理功能。这些点展示了原始模型的性能，无需额外的推理增强。 Kaggle Systems 解决方案展示了 Kaggle 挑战赛的竞赛级提交内容，在严格的计算限制下运行（120 项评估任务的计算预算为 50 美元）。这些代表了专为 ARC 奖设计的专用高效方法。验证政策 有关更多信息，请参阅我们的测试政策。排行榜详细说明 仅显示运行费用低于 10,000 美元的系统。对于无法产生完整测试输出的模型，剩余任务被标记为不正确。标记为“预览”的结果是非官方的，可能基于不完整的测试。 1 基于部分测试结果和 o1-pro 定价的 ARC-AGI-2 分数估计。 2 基于 Gemini 3 Pro 定价的临时成本估算。模型发布后将重新测试。