待验证50% 置信基准精确时间
GPT-6 Astra在ARC-AGI类测试中达到接近满分的99.9%，而普通人类测试者平均得分仅为48%
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/9/18
首次发现
有效期至：2026/12/17
来源
涉及实体
相关事实
待验证ARC-AGI-2由AI安全研究员François Chollet设计，早期GPT-4在该测试上得分不足10%，人类平均得分约85%76% 相似待验证在ARC-AGI-3基准上，GPT-5.6 Sol得分8%，其他模型普遍不足2%，Anthropic因成本过高未运行Fable72% 相似待验证GPT-4作为裁判时与人类评价的一致性可超过80%，但存在位置偏差、冗长偏差和自我偏好等系统性问题68% 相似待验证2023年人类在GAIA测试中的平均成功率约为90%，而当时最强的GPT-4在Level 1上仅勉强达到15%65% 相似待验证GPT-4等大模型在Spider等基准测试上的零样本或少样本SQL生成准确率已超过80%64% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/932462API
curl https://kongchang.com/api/v1/knowledge/claims/932462MCP
get_claim(id=932462)