ARC-AGI 排行榜

# ARC Prize - 排行榜 来源：https://arcprize.org/leaderboard ARC\-AGI\-1 ARC\-AGI\-2 ARC\-AGI\-3 ### 理解排行榜 ARC\-AGI 已从早期版本（ARC\-AGI\-1 和 2）——主要衡量被动流体智能——演进到 ARC\-AGI\-3，该版本挑战 AI 智能体在新型交互式环境中即时适应。 上方的散点图直观展示了每项任务的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**：解决方案展示了同一模型在不同推理层级下的连接数据点。这些趋势线反映了推理时间增加对性能的影响，通常表现为随着思考时间增加而呈现渐近行为。 - **基础大语言模型**：解决方案代表 GPT-4.5 和 Claude 3.7 等标准语言模型的单次推理结果，不包含扩展推理能力。这些数据点展示了未经额外推理增强的原始模型性能。 - **Kaggle 系统**：解决方案展示了 Kaggle 挑战中的竞赛级提交，在严格的计算约束下运行（120 个评估任务预算为 50 美元计算费用）。这些是为 ARC Prize 专门构建的高效方法。 #### 验证政策 更多信息，请参阅我们的测试政策 (https://arcprize.org/policy)。 ### 排行榜详细说明 #### 备注 仅显示运行成本低于 10,000 美元的系统。 对于无法生成完整测试结果的模型，剩余任务标记为错误。 标记为“预览”的结果为非官方结果，可能基于不完全测试。 1ARC\-AGI\-2 分数基于部分测试结果和 o1\-pro 定价估算。 2临时成本估算基于 Gemini 3 Pro 定价。模型将在发布后重新测试。