BenchLeader

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。

265 / 265
#
1GPT-6 Astramax95.0%67.3$1.122026-09-02
2GPT-6.1 Solmax94.2%66.6$0.2542026-09-29
3Gemini 4 Carbonmedium94.2%65.8$0.3752026-11-10
4新Claude Fable 5.2xhigh93.8%69.7$0.9832026-11-09
5Claude Opus 5.5high93.3%66.0$0.4082026-09-22
6GPT-6 Astraxhigh93.3%66.0$0.8292026-09-02
7新Claude Fable 5.2max92.5%72.7$2.812026-11-09
8Claude Opus 5.5xhigh92.5%65.4$0.6712026-09-22
9GPT-5.6 Solmax92.5%65.3$1.442026-07-09
10Gemini 4 Carbonhigh92.1%68.9$0.6842026-11-10
11GPT-6 Astrahigh92.1%66.3$0.6682026-09-02
12GPT-6 Astramedium92.1%64.4$0.4802026-09-02
13Claude Opus 5.5max91.7%68.4$1.852026-09-22
14GPT-6.1 Solxhigh91.7%63.6$0.1782026-09-29
15GPT-6.1 Solhigh91.7%63.4$0.1352026-09-29
16Gemini 4 Argonhigh91.3%65.3$0.3252026-10-13
17新Claude Fable 5.2high90.4%68.4$0.9082026-11-09
18Claude Opus 5max90.4%65.0$2.062026-07-24
19Claude Fable 5.1max90.0%66.7$4.492026-09-01
20Claude Fable 5.1xhigh90.0%64.6$3.122026-09-01
21GPT-5.6 Solxhigh90.0%63.9$1.042026-07-09
22新Claude Fable 5.2medium89.6%66.3$0.6272026-11-09
23GPT-6 Solmax89.6%62.6$0.4392026-09-22
24Claude Fable 5max89.2%65.1$5.452026-06-09
25Gemini 3.8 Flashhigh89.2%59.4$0.4002026-09-02
26Claude Fable 5.1high88.8%63.7$1.672026-09-01
27Claude Opus 5high88.3%64.4$1.452026-07-24
28Claude Fable 5xhigh88.3%–$3.002026-06-09
29Claude Fable 5high87.5%63.9$2.442026-06-09
30Claude Opus 5.5medium87.5%61.2$0.3372026-09-22
31Gemini 4 Argonmedium87.1%61.6$0.1372026-10-13
32新Claude Fable 5.2low86.7%65.3$0.5162026-11-09
33GPT-6.1 Solmedium86.7%62.7$0.1002026-09-29
34Claude Fable 5.1medium86.3%61.7$1.222026-09-01
35GPT-5.6 Solhigh85.4%63.4$0.7402026-07-09
36GPT-6 Astralow85.4%62.0$0.4162026-09-02
37GPT-5.5xhigh85.0%64.1$1.872026-04-22
38Gemini 3.7 Flashhigh84.6%62.1$0.2492026-08-13
39GPT-5.5 Prohigh84.6%–$10.512026-04-23
40Gemini 3 Deep Thinkthinking84.6%–$13.622026-02-12
41GPT-5.5 Proxhigh84.2%–$10.762026-04-23
42Claude Sonnet 5.5xhigh83.9%62.5$0.5462026-09-28
43GPT-5.6 Terramax83.9%59.5$1.092026-07-09
44GPT-5.5high83.3%63.5$1.452026-04-22
45GPT-5.4 Proxhigh83.3%59.5$16.412026-03-04
46Gemini 3.8 Flashmedium82.9%60.2$0.2482026-09-02
47Claude Fable 5medium82.5%–$1.932026-06-09
48Inkling 2 Smallxhigh81.7%–$0.2722026-11-05
49Claude Fable 5.1low78.3%58.8$0.9522026-09-01
50GPT-6 Solxhigh78.1%58.4$0.2772026-09-22
51DeepSeek V4.1 Flash 1017max78.1%57.7$0.1632026-10-17
52Gemini 3.8 Flashlow77.5%55.9$0.1542026-09-02
53Gemini 3.1 Pro77.1%59.9$0.9622026-02-19
54Claude Fable 5low76.8%–$1.452026-06-09
55Dots3 Notemax76.8%–$0.0772026-08-14
56GPT-6.1 Sollow76.7%60.0$0.0862026-09-29
57Claude 4.7max75.8%–$7.432026-04-16
58GPT-5.6 Terraxhigh74.2%60.1$0.6902026-07-09
59GPT-5.4xhigh74.0%63.1$1.522026-03-04
60DeepSeek V4.1 Flash 1017low73.6%–$0.1342026-10-17

更多推理基准测试 · 全部大模型基准测试

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。