François Chollet 评 GPT-6 Astra 在 ARC-AGI-3 上的表现

GPT-6 Astra 代表了模型在交互式推理问题上能力的阶跃式变化。使用我们的标准测试框架，它在 ARC-AGI-3 上得分 66%；而使用连续对话框架和自定义压缩后，得分接近 100%，每局成本约为 360 美元。

事实上，在几乎所有关卡中，连续框架版本在行动效率上都显著优于我们的人类基线。当我们检查推理链以理解模型的运作方式时，发现它在每个游戏和关卡中都在进行高效、实时的符号化世界建模。它甚至发展到开发出自己的简写 DSL 来表示游戏内情境--本质上是一种针对特定游戏的代数记法。

总体而言，Astra 展现出了我们此前仅在复杂框架中才见过的符号化建模行为--因此，框架的能力正越来越多地转移到模型本身之中。

我们认为 Astra 是模型智能领域的一项重大突破。

阅读我们关于 Astra 及其结果意义的文章：https://arcprize.org/blog/astra