#ARC-AGI-2
共 9 篇相关文章
·14 分钟
Kimi-K3在ARC-AGI-2拿下60.4%：抽象推理能力突破解读
Kimi-K3在ARC-AGI-2基准测试上取得60.4%的成绩，远超多数大模型表现。本文深入解析ARC-AGI-2为何重要、这一分数背后的推理能力突破，以及对国产大模型和行业发展的启示。
阅读全文 →
科技前沿·5 分钟
Gemini 3.1 Pro深度横评：ARC-AGI-2得分77.1%，真的最强吗？
Google Gemini 3.1 Pro发布，ARC-AGI-2抽象推理得分77.1%断档领先，GPQA Diamond 94.3%、编程ELO 2887多项登顶。本文从推理、编程、搜索等维度横向对比o4和GPT-5.2，揭示其真实实力与短板。
阅读全文 →
·7 分钟
ARC-AGI-3近乎被攻克：编程能力如何解锁AI通用智能
ARC-AGI-3基准测试仅通过添加编程框架就近乎被攻克，揭示代码能力如何帮助大语言模型实现推理泛化。深入分析编程框架的工作原理、对AGI研究的意义及需要保持的审慎态度。
阅读全文 →
·7 分钟
Prime Agent：能自我改进底层框架的开源编程智能体
Prime Agent是一款开源自我改进编程智能体，通过递归语言模型(RLM)与持续框架(Continual Harness)两大核心抽象，在ARC-AGI-3基准上取得95.5%成绩。本文深入解析其技术架构与设计理念。
阅读全文 →
·15 分钟
GPT-5.6数学封神却栽在小游戏？两个API设置解锁三倍性能
GPT-5.6 Sol能攻克数学前沿难题，却在ARC-AGI-3益智游戏中表现挣扎。研究发现问题不在模型智能，而在运行框架的记忆缺失。仅启用两个API设置，分数提升三倍，token消耗降低6倍。本文深度解析这一反直觉现象背后的工程启示。
阅读全文 →
·10 分钟
GPT-5.6实测：一条Prompt搞定实时语音动漫应用
实测GPT-5.6 Sol模型：单条Prompt自动生成实时语音动漫角色、从零手写物理引擎、自主搭建陌生工具链。深度评测编程能力、智能体任务表现及基准数据对比，解析其性价比优势与幻觉率短板。
阅读全文 →
·7 分钟
GPT-5.6全解析：Sol旗舰模型性能、短板与竞争力评测
深度解析GPT-5.6模型家族（Sol/Terra/Luna）的真实表现：复杂编程一次成型、智能体自动化工作流、基准测试领先Claude，但幻觉率与视觉识别仍有短板。开发者必读评测。
阅读全文 →
产品体验·4 分钟
Gemini 3.5 Pro深度评测：多模态断层领先，9.2分旗舰实力全解析
深度评测Google DeepMind旗舰模型Gemini 3.5 Pro，涵盖MMLU Pro 89.4分、Video ModeM 82.1分等基准数据，横向对比GPT 5.5、Claude 4.7，解析DeepThink推理、200万上下文窗口、多模态能力等核心优势与不足。
阅读全文 →
产品体验·5 分钟
GPT-5.5 深度实测：编码、研究、PPT 实际表现全解析
基于数小时深度实测，全面评测 GPT-5.5 在编码开发、数据分析、PPT 生成、可视化设计等真实场景中的表现，对比 o4-mini 差异，给出最佳使用策略与提示词建议。
阅读全文 →