ARC-AGI-2 排行榜
截至 2026年11月16日,ARC-AGI-2 的最高分为 95.0%,由 GPT-6 Astra(OpenAI)取得,领先于 GPT-6.1 Sol(94.2%)。共有 265 个模型配置公布了结果(ARC Prize,结果日期 2026年9月2日)。ARC-AGI-2 保留 ARC-AGI-1 的形式,但任务专门设计成能抵御暴力搜索和模式匹配:符号解释、组合规则和依上下文应用规则。人类能解出所有任务;模型起初接近零分。ARC-AGI-2 计入 BenchLeader Index 的推理得分。
要点(截至 2026年11月16日)
- GPT-6 Astra 以 95.0% 保持 ARC-AGI-2 最高分(ARC Prize,2026年9月2日)。
- GPT-6.1 Sol 以 94.2% 位列 ARC-AGI-2 第二(ARC Prize,2026年9月29日)。
- ARC-AGI-2:ARC-AGI-2 半公开评测集(ARC Prize)。
- BenchLeader 上有 265 个模型配置公布了 ARC-AGI-2 结果(BenchLeader,2026年11月16日)。
- ARC-AGI-2 计入 BenchLeader Index 的推理类别(BenchLeader 方法论)。
ARC-AGI-2 半公开评测集。
- 发布方
- ARC Prize
- 类别
- 推理
- Index 权重
- 1.0
- 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-2 保留 ARC-AGI-1 的形式,但任务专门设计成能抵御暴力搜索和模式匹配:符号解释、组合规则和依上下文应用规则。人类能解出所有任务;模型起初接近零分。
评分方式
两次尝试内解出的半私有任务百分比,由 ARC Prize Foundation 运行,附每个任务的成本。
注意事项
对推理预算和测试框架高度敏感;应在成本相近的配置之间比较。随着各厂商针对性优化,分数变化很快。
- 1GPT-6 Astra (max)95.0%
- 2GPT-6.1 Sol (max)94.2%
- 3Gemini 4 Carbon (medium)94.2%
- 4Claude Fable 5.2 (xhigh)93.8%
- 5Claude Opus 5.5 (high)93.3%
- 6GPT-6 Astra (xhigh)93.3%
- 7Claude Fable 5.2 (max)92.5%
- 8Claude Opus 5.5 (xhigh)92.5%
- 9GPT-5.6 Sol (max)92.5%
- 10Gemini 4 Carbon (high)92.1%
- 11GPT-6 Astra (high)92.1%
- 12GPT-6 Astra (medium)92.1%
- 13Claude Opus 5.5 (max)91.7%
- 14GPT-6.1 Sol (xhigh)91.7%
- 15GPT-6.1 Sol (high)91.7%
265 / 265
| # | |||||
|---|---|---|---|---|---|
| 1 | 95.0% | 67.3 | $1.12 | 2026-09-02 | |
| 2 | 94.2% | 66.6 | $0.254 | 2026-09-29 | |
| 3 | 94.2% | 65.8 | $0.375 | 2026-11-10 | |
| 4 | 新 | 93.8% | 69.7 | $0.983 | 2026-11-09 |
| 5 | 93.3% | 66.0 | $0.408 | 2026-09-22 | |
| 6 | 93.3% | 66.0 | $0.829 | 2026-09-02 | |
| 7 | 新 | 92.5% | 72.7 | $2.81 | 2026-11-09 |
| 8 | 92.5% | 65.4 | $0.671 | 2026-09-22 | |
| 9 | 92.5% | 65.3 | $1.44 | 2026-07-09 | |
| 10 | 92.1% | 68.9 | $0.684 | 2026-11-10 | |
| 11 | 92.1% | 66.3 | $0.668 | 2026-09-02 | |
| 12 | 92.1% | 64.4 | $0.480 | 2026-09-02 | |
| 13 | 91.7% | 68.4 | $1.85 | 2026-09-22 | |
| 14 | 91.7% | 63.6 | $0.178 | 2026-09-29 | |
| 15 | 91.7% | 63.4 | $0.135 | 2026-09-29 | |
| 16 | 91.3% | 65.3 | $0.325 | 2026-10-13 | |
| 17 | 新 | 90.4% | 68.4 | $0.908 | 2026-11-09 |
| 18 | 90.4% | 65.0 | $2.06 | 2026-07-24 | |
| 19 | 90.0% | 66.7 | $4.49 | 2026-09-01 | |
| 20 | 90.0% | 64.6 | $3.12 | 2026-09-01 | |
| 21 | 90.0% | 63.9 | $1.04 | 2026-07-09 | |
| 22 | 新 | 89.6% | 66.3 | $0.627 | 2026-11-09 |
| 23 | 89.6% | 62.6 | $0.439 | 2026-09-22 | |
| 24 | 89.2% | 65.1 | $5.45 | 2026-06-09 | |
| 25 | 89.2% | 59.4 | $0.400 | 2026-09-02 | |
| 26 | 88.8% | 63.7 | $1.67 | 2026-09-01 | |
| 27 | 88.3% | 64.4 | $1.45 | 2026-07-24 | |
| 28 | 88.3% | – | $3.00 | 2026-06-09 | |
| 29 | 87.5% | 63.9 | $2.44 | 2026-06-09 | |
| 30 | 87.5% | 61.2 | $0.337 | 2026-09-22 | |
| 31 | 87.1% | 61.6 | $0.137 | 2026-10-13 | |
| 32 | 新 | 86.7% | 65.3 | $0.516 | 2026-11-09 |
| 33 | 86.7% | 62.7 | $0.100 | 2026-09-29 | |
| 34 | 86.3% | 61.7 | $1.22 | 2026-09-01 | |
| 35 | 85.4% | 63.4 | $0.740 | 2026-07-09 | |
| 36 | 85.4% | 62.0 | $0.416 | 2026-09-02 | |
| 37 | 85.0% | 64.1 | $1.87 | 2026-04-22 | |
| 38 | 84.6% | 62.1 | $0.249 | 2026-08-13 | |
| 39 | 84.6% | – | $10.51 | 2026-04-23 | |
| 40 | 84.6% | – | $13.62 | 2026-02-12 | |
| 41 | 84.2% | – | $10.76 | 2026-04-23 | |
| 42 | 83.9% | 62.5 | $0.546 | 2026-09-28 | |
| 43 | 83.9% | 59.5 | $1.09 | 2026-07-09 | |
| 44 | 83.3% | 63.5 | $1.45 | 2026-04-22 | |
| 45 | 83.3% | 59.5 | $16.41 | 2026-03-04 | |
| 46 | 82.9% | 60.2 | $0.248 | 2026-09-02 | |
| 47 | 82.5% | – | $1.93 | 2026-06-09 | |
| 48 | 81.7% | – | $0.272 | 2026-11-05 | |
| 49 | 78.3% | 58.8 | $0.952 | 2026-09-01 | |
| 50 | 78.1% | 58.4 | $0.277 | 2026-09-22 | |
| 51 | 78.1% | 57.7 | $0.163 | 2026-10-17 | |
| 52 | 77.5% | 55.9 | $0.154 | 2026-09-02 | |
| 53 | 77.1% | 59.9 | $0.962 | 2026-02-19 | |
| 54 | 76.8% | – | $1.45 | 2026-06-09 | |
| 55 | Dots3 Notemax | 76.8% | – | $0.077 | 2026-08-14 |
| 56 | 76.7% | 60.0 | $0.086 | 2026-09-29 | |
| 57 | 75.8% | – | $7.43 | 2026-04-16 | |
| 58 | 74.2% | 60.1 | $0.690 | 2026-07-09 | |
| 59 | 74.0% | 63.1 | $1.52 | 2026-03-04 | |
| 60 | 73.6% | – | $0.134 | 2026-10-17 |
相关基准测试
ARC-AGI-2 上的热门模型对比
引用格式:BenchLeader,《ARC-AGI-2 排行榜》,数据截至 2026年11月16日,https://www.benchleader.com/zh/benchmarks/arc_agi_2。
ARC-AGI-2:常见问题
- ARC-AGI-2 衡量的是什么?
- ARC-AGI-2 保留 ARC-AGI-1 的形式,但任务专门设计成能抵御暴力搜索和模式匹配:符号解释、组合规则和依上下文应用规则。人类能解出所有任务;模型起初接近零分。分数以完成任务的百分比表示,越高越好。
- ARC-AGI-2 的最高分是多少?
- 截至 2026年11月16日,ARC-AGI-2 的最高分为 95.0%,由 GPT-6 Astra 取得(结果日期 2026年9月2日),领先于 GPT-6.1 Sol(94.2%)。分数来自 ARC Prize,每天重新读取。
- 哪个 AI 模型在 ARC-AGI-2 上领先?
- 截至 2026年11月16日,ARC-AGI-2 排名第一的是 GPT-6 Astra,分数为 95.0%(结果日期 2026年9月2日)。其后为 GPT-6.1 Sol(94.2%)。
- 有多少模型有 ARC-AGI-2 结果?
- BenchLeader 上有 265 个模型配置有 ARC-AGI-2 结果,全部取自 ARC Prize。
- ARC-AGI-2 由谁运行,多久更新一次?
- ARC-AGI-2 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-2 是否计入 BenchLeader Index?
- 计入。ARC-AGI-2 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。