GPT-6 Astra 在 ARC-AGI-3 测试中接近满分，但被指靠高成本 Harness 刷分

核心事实

据雷峰网报道，OpenAI 的最强模型 GPT-6 Astra 在 ARC-AGI-3 测试中成绩逼近 100%，远超上一代模型 GPT-5.6 Sol 的 38.3%。ARC-AGI-3 被公认为 AI 智商评测的高阶测试，要求 AI 在陌生图形规律题中临场推理，无法靠刷题通过。GPT-6 Astra 在 96% 的关卡中操作效率高于人类，平均动作步数比人类少 51.7%。ARC Prize 官方复盘发现，该模型在测试中会生成高效的“符号世界模型”，将环境抽象为逻辑符号和因果代码，并在内部模拟验证后再行动。

背景与影响

符号世界模型被认为是 AI 迈向高级推理的必经之路，业界包括哈佛、MIT 和 Google DeepMind 都在押注这一方向。GPT-6 Astra 将原本依赖外部 Harness 的能力内化进模型权重，减少了延迟和外部依赖，被视为这一路线的重大胜利。然而，ARC Prize 基金会总裁 Greg Kamradt 公开表示，分数虽真实，但离 AGI 还远。他指出，许多团队通过配备无损内存、程序化分析等组件的 Harness 也能在 ARC-AGI-3 上获得 90% 以上分数，GPT-6 Astra 的成绩同样依赖豪华 Harness 和昂贵算力，每局耗资 360 美元，完整测试成本高达 1.8 万美元（约合 13.5 万人民币），而人类受试者每局成本约 12.78 美元。Kamradt 认为，这种靠“钞能力”刷出的高分只是证明 AI 在变聪明，并非 AGI 到来的证据。

限制与来源

以上信息来自雷峰网文章《打穿 AI 智商测试！GPT-6 Astra 的符号世界模型，是突破还是钞能力刷分？》，作者高允毅，编辑岑峰。文中提及的 GPT-6 Astra 性能数据、测试成本及 Kamradt 的评论均来自该报道，尚未获得 OpenAI 或 ARC Prize 的官方确认。关于 GPT-6 Astra 的具体功能、可用性及定价，请以 OpenAI 官网当前信息为准。