
操作指南
- 查看品牌套件
- 复制标志图像
- 复制标志 SVG
- 使用 ChatGPT 进行解释
基金会相关
排行榜情况
- 已验证榜单
- 社区榜单
- ARC-AGI-3 竞赛
- ARC-AGI-2 竞赛
基准测试项目
- ARC-AGI 系列
- ARC-AGI-1
- ARC-AGI-2
- ARC-AGI-3
- 所有任务
奖项设置
- 2026 年 ARC 奖
- 2025 年 ARC 奖
- 2024 年 ARC 奖
- 所有竞赛
研究板块
内容资源
ARC-AGI-3 排行榜详情
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
理解排行榜
ARC-AGI 从最初的版本(ARC-AGI-1 和 ARC-AGI-2)发展而来,前两者主要衡量被动流体智力,而 ARC-AGI-3 则挑战 AI 智能体在全新的交互式环境中进行即时适应。上方的散点图直观展示了每项任务成本与性能之间的关键关系,这是衡量效率的重要指标。真正的智能不仅在于解决问题,更在于以最少的资源高效地解决问题。
数据解读
- 推理系统趋势线:其解决方案展示了代表同一模型在不同推理水平下的连接点。这些趋势线说明了增加推理时间如何影响性能,通常随着思考时间的增加呈现渐近行为。
- 基础大语言模型(Base LLMs):这类解决方案代表了像 GPT-4.5 和 Claude 3.7 等标准语言模型的单次推理,不具备扩展推理能力。这些点展示了原始模型在没有额外推理增强的情况下的性能。
- Kaggle 系统:该解决方案展示了来自 Kaggle 挑战赛的竞赛级提交成果,它们在严格的计算约束下运行(120 个评估任务的计算预算为 50 美元)。这些代表了专门为 ARC 奖设计的高效方法。
验证政策
更多信息请查看我们的测试政策。
排行榜明细注意事项
仅展示运行成本低于 10000 美元的系统。
对于无法产生完整测试输出的模型,剩余任务将被标记为错误。
标记为 "预览" 的结果是非官方的,可能基于不完整的测试。
1. ARC-AGI-2 分数估计基于部分测试结果和 o1-pro 定价。
2. 临时成本估计基于 Gemini 3 Pro 定价。该模型发布后将重新测试。
ARC 奖相关
订阅时事通讯
Discord
Twitter
YouTube
GitHub
2026 年 ARC 奖参与
立即开始参与,获取官方竞赛更新和新闻。
注册
我们不会发送垃圾邮件,你可以随时取消订阅。
ARC 奖时事通讯订阅
订阅以开始参与并获取官方竞赛更新和新闻。
订阅
我们不会发送垃圾邮件,你可以随时取消订阅。
5450



被折叠的 条评论
为什么被折叠?



