BenchLeader

ARC-AGI-1 排行榜

截至 2026年11月16日,ARC-AGI-1 的最高分为 98.5%,由 Claude Fable 5.2、GPT-6 Astra、Claude Opus 5.5、Gemini 4 Carbon、Gemini 4 Argon 等 8 个模型 并列取得。共有 265 个模型配置公布了结果(ARC Prize,结果日期 2026年11月9日)。ARC-AGI-1 展示几个网格变换的例子,要求给出新网格的输出,测试从极少的例子中归纳规则的能力。半私有评测集不对外公开。ARC-AGI-1 计入 BenchLeader Index 的推理得分。

要点(截至 2026年11月16日)

  • Claude Fable 5.2、GPT-6 Astra、Claude Opus 5.5、Gemini 4 Carbon、Gemini 4 Argon 等 8 个模型 以 98.5% 并列 ARC-AGI-1 最高分(ARC Prize,2026年11月16日)。
  • ARC-AGI-1:ARC-AGI-1 半公开评测集(ARC Prize)。
  • BenchLeader 上有 265 个模型配置公布了 ARC-AGI-1 结果(BenchLeader,2026年11月16日)。
  • ARC-AGI-1 计入 BenchLeader Index 的推理类别(BenchLeader 方法论)。

ARC-AGI-1 半公开评测集。

发布方
ARC Prize
类别
推理
Index 权重
0.5
模型
265
数据截至
2026年11月16日
最新结果
2026年11月10日

ARC Prize Foundation, arcprize.org.

测试内容

ARC-AGI-1 展示几个网格变换的例子,要求给出新网格的输出,测试从极少的例子中归纳规则的能力。半私有评测集不对外公开。

评分方式

最多两次尝试内解出的任务百分比,由 ARC Prize Foundation 运行,并同时报告每个任务的成本。

注意事项

分数随测试时计算量急剧上升,所以同一个模型在不同推理预算下可能相差几十分;效率与分数同样重要。目前顶尖系统已基本解决这项测试。

265 / 265
#
1新Claude Fable 5.2xhigh98.5%69.7$0.3582026-11-09
2GPT-6 Astrahigh98.5%66.3$0.2842026-09-02
3Claude Opus 5.5high98.5%66.0$0.1582026-09-22
4GPT-6 Astraxhigh98.5%66.0$0.3472026-09-02
5Gemini 4 Carbonmedium98.5%65.8$0.1622026-11-10
6Gemini 4 Argonhigh98.5%65.3$0.1622026-10-13
7Claude Fable 5max98.5%65.1$2.112026-06-09
8GPT-6.1 Solxhigh98.5%63.6$0.0742026-09-29
9GPT-6.1 Solhigh98.5%63.4$0.0592026-09-29
10Gemini 4 Argonmedium98.5%61.6$0.0652026-10-13
11Gemini 3.8 Flashhigh98.5%59.4$0.2062026-09-02
12Claude Fable 5xhigh98.5%–$1.022026-06-09
13Gemini 3.1 Pro98.0%59.9$0.5222026-02-19
14新Claude Fable 5.2max97.5%72.7$0.9212026-11-09
15Gemini 4 Carbonhigh97.5%68.9$0.4072026-11-10
16Claude Opus 5.5max97.5%68.4$0.6412026-09-22
17新Claude Fable 5.2high97.5%68.4$0.3292026-11-09
18GPT-6 Astramax97.5%67.3$0.4332026-09-02
19Claude Fable 5.1max97.5%66.7$1.402026-09-01
20新Claude Fable 5.2medium97.5%66.3$0.2642026-11-09
21Claude Opus 5.5xhigh97.5%65.4$0.2232026-09-22
22Claude Opus 5max97.5%65.0$0.7002026-07-24
23Claude Opus 5high97.5%64.4$0.4702026-07-24
24GPT-6 Astramedium97.5%64.4$0.2402026-09-02
25GPT-5.6 Solxhigh97.5%63.9$0.4002026-07-09
26Claude Opus 5.5medium97.5%61.2$0.1522026-09-22
27Gemini 3.8 Flashmedium97.5%60.2$0.1082026-09-02
28GPT-5.6 Solhigh97.0%63.4$0.3002026-07-09
29GPT-6.1 Solmax96.5%66.6$0.0952026-09-29
30GPT-5.6 Solmax96.5%65.3$0.5402026-07-09
31Claude Fable 5.1xhigh96.5%64.6$0.9582026-09-01
32Claude Sonnet 5.5max96.5%64.2$0.5022026-09-28
33Claude Sonnet 5.5xhigh96.5%62.5$0.1432026-09-28
34GPT-6 Astralow96.5%62.0$0.2272026-09-02
35GPT-5.6 Terramax96.5%59.5$0.5502026-07-09
36GPT-5.5 Prohigh96.5%–$4.532026-04-23
37Inkling 2 Smallxhigh96.5%–$0.0822026-11-05
38Claude Fable 5.1high96.0%63.7$0.5172026-09-01
39Gemini 3 Deep Thinkthinking96.0%–$7.172026-02-12
40Claude Fable 5high95.5%63.9$0.7672026-06-09
41GPT-6.1 Solmedium95.5%62.7$0.0502026-09-29
42GPT-6 Solmax95.5%62.6$0.1412026-09-22
43Gemini 3.7 Flashhigh95.5%62.1$0.1202026-08-13
44GPT-5.5xhigh95.0%64.1$0.7302026-04-22
45GPT-5.5 Proxhigh95.0%–$4.522026-04-23
46新Claude Fable 5.2low94.5%65.3$0.2302026-11-09
47GPT-5.5high94.5%63.5$0.5602026-04-22
48Claude Fable 5.1medium94.5%61.7$0.4432026-09-01
49Kimi K3max94.5%60.2$0.7702026-07-16
50GPT-5.4 Proxhigh94.5%59.5$7.212026-03-04
51DeepSeek V4.1 Flashmax94.5%58.5$0.0662026-09-10
52DeepSeek V4.1 Flash 1017high94.5%51.2$0.0562026-10-17
53Claude Opus 4.6high94.0%62.5$1.392026-02-05
54GPT-5.6 Terraxhigh94.0%60.1$0.2602026-07-09
55GPT-5.4xhigh93.7%63.1$0.6202026-03-04
56GPT-6.1 Sollow93.5%60.0$0.0472026-09-29
57DeepSeek V4.1 Flash 1017max93.5%57.7$0.0652026-10-17
58Claude 4.7high93.5%–$1.412026-04-16
59Claude Opus 4.6max93.0%57.0$1.882026-02-05
60GPT-5.4high92.7%58.6$0.3702026-03-04

更多推理基准测试 · 全部大模型基准测试

引用格式:BenchLeader,《ARC-AGI-1 排行榜》,数据截至 2026年11月16日,https://www.benchleader.com/zh/benchmarks/arc_agi_1。

ARC-AGI-1:常见问题

ARC-AGI-1 衡量的是什么?
ARC-AGI-1 展示几个网格变换的例子,要求给出新网格的输出,测试从极少的例子中归纳规则的能力。半私有评测集不对外公开。分数以完成任务的百分比表示,越高越好。
ARC-AGI-1 的最高分是多少?
截至 2026年11月16日,ARC-AGI-1 的最高分为 98.5%,由 Claude Fable 5.2、GPT-6 Astra、Claude Opus 5.5、Gemini 4 Carbon、Gemini 4 Argon 等 8 个模型 并列取得。分数来自 ARC Prize,每天重新读取。
哪个 AI 模型在 ARC-AGI-1 上领先?
截至 2026年11月16日,Claude Fable 5.2、GPT-6 Astra、Claude Opus 5.5、Gemini 4 Carbon、Gemini 4 Argon 等 8 个模型 以 98.5% 并列 ARC-AGI-1 第一。
有多少模型有 ARC-AGI-1 结果?
BenchLeader 上有 265 个模型配置有 ARC-AGI-1 结果,全部取自 ARC Prize。
ARC-AGI-1 由谁运行,多久更新一次?
ARC-AGI-1 由 ARC Prize 发布。BenchLeader 每天重新读取一次公布的结果,并记录每个结果的发布日期。
ARC-AGI-1 是否计入 BenchLeader Index?
计入。ARC-AGI-1 计入 BenchLeader Index 的推理类别,并经过归一化,使参评模型的平均值为 50。