BenchLeader

ARC-AGI-3 排行榜

截至 2026年11月16日,ARC-AGI-3 的最高分为 99.9%,由 GPT-6 Astra(OpenAI)取得,领先于 Gemini 4 Carbon(99.1%)。共有 79 个模型配置公布了结果(ARC Prize,结果日期 2026年9月2日)。ARC-AGI-3 转向交互式游戏:智能体必须在没有说明的情况下探索环境、发现规则并达成目标,衡量的是多步骤过程中的学习效率。ARC-AGI-3 计入 BenchLeader Index 的推理得分。

要点(截至 2026年11月16日)

  • GPT-6 Astra 以 99.9% 保持 ARC-AGI-3 最高分(ARC Prize,2026年9月2日)。
  • Gemini 4 Carbon 以 99.1% 位列 ARC-AGI-3 第二(ARC Prize,2026年11月10日)。
  • ARC-AGI-3:ARC-AGI-3 半公开交互式评测集(ARC Prize)。
  • BenchLeader 上有 79 个模型配置公布了 ARC-AGI-3 结果(BenchLeader,2026年11月16日)。
  • ARC-AGI-3 计入 BenchLeader Index 的推理类别(BenchLeader 方法论)。

ARC-AGI-3 半公开交互式评测集。

发布方
ARC Prize
类别
推理
Index 权重
0.5
模型
79
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-3 转向交互式游戏:智能体必须在没有说明的情况下探索环境、发现规则并达成目标,衡量的是多步骤过程中的学习效率。

评分方式

完成的半私有游戏百分比,由 ARC Prize Foundation 运行。

注意事项

新推出、规模小,而且与早期的网格任务很不一样;智能体脚手架影响较大,有结果的模型很少。

79 / 79
#
1GPT-6 Astrahigh99.9%66.32026-09-02
2Gemini 4 Carbonmedium99.1%65.82026-11-10
3GPT-6 Astramax98.6%67.32026-09-02
4GPT-6 Astraxhigh98.4%66.02026-09-02
5GPT-6 Astramedium98.4%64.42026-09-02
6GPT-6 Astralow98.0%62.02026-09-02
7新Claude Fable 5.2high97.7%68.42026-11-09
8Gemini 4 Carbonlow97.7%60.12026-11-10
9Gemini 4 Argonlow97.5%–2026-10-13
10新Claude Fable 5.2xhigh97.3%69.72026-11-09
11Gemini 4 Argonhigh97.3%65.32026-10-13
12Gemini 4 Argonmedium97.3%61.62026-10-13
13Gemini 4 Carbonhigh96.9%68.92026-11-10
14新Claude Fable 5.2medium96.8%66.32026-11-09
15GPT-6 Astra无推理96.7%58.12026-09-02
16GPT-6.1 Solxhigh96.4%63.62026-09-29
17GPT-6.1 Solmax96.2%66.62026-09-29
18GPT-6.1 Solhigh95.0%63.42026-09-29
19新Claude Fable 5.2max94.9%72.72026-11-09
20新Claude Fable 5.2low92.3%65.32026-11-09
21GPT-6.1 Solmedium91.0%62.72026-09-29
22GPT-6.1 Sollow82.8%60.02026-09-29
23Claude Sonnet 5.5xhigh72.4%62.52026-09-28
24Claude Sonnet 5.5high35.5%59.52026-09-28
25Gemini 3.8 Flashhigh35.0%59.42026-09-02
26Claude Opus 5high30.2%64.42026-07-24
27Gemini 3.8 Flashmedium24.2%60.22026-09-02
28GPT-6 Solmax23.0%62.62026-09-22
29Gemini 3.8 Flashlow15.1%55.92026-09-02
30Grok 4.7high10.0%56.92026-09-21
31GPT-6 Solxhigh9.5%58.42026-09-22
32Grok 4.7medium8.4%–2026-09-21
33GPT-5.6 Solmax7.8%65.32026-07-09
34GPT-5.6 Solxhigh7.0%63.92026-07-09
35Grok 4.7xhigh7.0%57.42026-09-21
36GPT-6 Solhigh5.9%58.12026-09-22
37DeepSeek V4.1 Flash 1017max5.8%57.72026-10-17
38GPT-6 Solmedium4.9%56.92026-09-22
39Claude Sonnet 5.5medium4.9%50.62026-09-28
40DeepSeek V4.1 Flashlow3.3%–2026-09-10
41DeepSeek V4.1 Flashhigh3.2%55.62026-09-10
42Claude Haiku 5.5max2.8%55.32026-10-07
43DeepSeek V4.1 Flashmax2.7%58.52026-09-10
44GPT-5.6 Solhigh2.2%63.42026-07-09
45Grok 4.6xhigh2.1%56.12026-08-11
46GPT-6 Sollow1.8%54.52026-09-22
47Claude Opus 4.8high1.5%60.42026-06-01
48GPT-6 Sol无推理1.2%49.02026-09-22
49GPT-5.6 Solmedium1.1%61.32026-07-09
50GPT-5.6 Terramax0.8%59.52026-07-09
51Grok 4.7low0.8%55.42026-09-21
52GPT-5.6 Terraxhigh0.7%60.12026-07-09
53GPT-6 Lunamax0.6%55.12026-09-22
54Claude Sonnet 5.5low0.6%50.72026-09-28
55Claude Opus 4.6max0.5%57.02025-12-17
56GPT-5.6 Terrahigh0.5%56.82026-07-09
57GPT-6 Lunaxhigh0.5%52.02026-09-22
58DeepSeek V4.1 Flash无推理0.5%44.02026-09-10
59GPT-5.5high0.4%63.52026-04-23
60Gemini 3.1 Pro0.4%59.92026-03-05

更多推理基准测试 · 全部大模型基准测试

引用格式:BenchLeader,《ARC-AGI-3 排行榜》,数据截至 2026年11月16日,https://www.benchleader.com/zh/benchmarks/arc_agi_3。

ARC-AGI-3:常见问题

ARC-AGI-3 衡量的是什么?
ARC-AGI-3 转向交互式游戏:智能体必须在没有说明的情况下探索环境、发现规则并达成目标,衡量的是多步骤过程中的学习效率。分数以完成任务的百分比表示,越高越好。
ARC-AGI-3 的最高分是多少?
截至 2026年11月16日,ARC-AGI-3 的最高分为 99.9%,由 GPT-6 Astra 取得(结果日期 2026年9月2日),领先于 Gemini 4 Carbon(99.1%)。分数来自 ARC Prize,每天重新读取。
哪个 AI 模型在 ARC-AGI-3 上领先?
截至 2026年11月16日,ARC-AGI-3 排名第一的是 GPT-6 Astra,分数为 99.9%(结果日期 2026年9月2日)。其后为 Gemini 4 Carbon(99.1%)。
有多少模型有 ARC-AGI-3 结果?
BenchLeader 上有 79 个模型配置有 ARC-AGI-3 结果,全部取自 ARC Prize。
ARC-AGI-3 由谁运行,多久更新一次?
ARC-AGI-3 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-3 是否计入 BenchLeader Index?
计入。ARC-AGI-3 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。