ARC Prize基金会发布了全新的ARC-AGI-3基准测试，旨在评估AI代理（Agent）的通用推理能力。
测试机制：未知的交互游戏
与之前的静态任务不同，ARC-AGI-3是一组交互式回合制环境：
- Agent置身于一个64×64、16色的网格世界。
- 不会收到任何指令或目标提示。
- 必须自主探索环境、推断规则、发现胜利条件并规划行动。
评分与当前结果
评分采用“动作效率”机制，完成关卡所需步数越少，得分越高。
人类表现：所有环境均经校准，确认100%可由人类首次接触时通关。
前沿AI模型得分（截至发布时）：
- 谷歌 Gemini 3.1 Pro Preview：0.37%
- OpenAI GPT 5.4 (High)：0.26%
- Anthropic Opus 4.6 (Max)：0.25%
- xAI Grok-4.20 (Beta)：0.00%
为何推出新版本？
新版本部分源于对前代基准可能被“污染”的担忧。有证据表明，某些模型可能通过记忆训练数据中的任务模式来取巧。ARC-AGI-3通过交互式环境和自主目标发现机制，旨在抵抗这类记忆捷径，迫使模型展现真正的推理能力。
ARC Prize 2026竞赛总奖金超过200万美元。
