OpenAI的GPT-6.2 Astra在超高难度抽象模式推理测试ARC-AGI-3中,通过提供商适配器 harness(Provider Adapter harness)实现了100分满分,甚至超越了人类的行为效率。
想象一下。你坐在一个从未读过一本书、也从未玩过的全新棋盘游戏前。连告知游戏规则的说明书也没有。只能仅凭屏幕上出现的视觉线索独自领悟规则。换作绝大多数人类都会感到惊慌失措,但人工智能(AI)却完美完成了这个看似不可能的任务。
2026年11月17日,OpenAI的最新人工智能模型GPT-6.2 Astra在衡量人类抽象思维能力的最高难度基准测试ARC-AGI-3中取得了100分满分 [Source 9, Source 12]。这个人工智能内部究竟正在发生什么?
为什么这很重要?
我们平时使用的人工智能,大多接近于“记住”互联网上积累的庞大数据,并以看似合理的方式组合出符合用户提问答案的方式。询问菜谱就会背诵菜谱,拜托写电子邮件草案就能顺畅写出符合上下文的文章。
然而,这次Astra征服的ARC-AGI-3与以往的死记硬背测试有着天壤之别。该测试旨在评估人类的抽象模式推理能力——即在生平首次见到的陌生环境中推导规则并解决问题的真正智能 [Source 14]。过去的第1代和第2代AI模型在这场考试中仅停留在30%到50%的分数区间,难掩颓势 [Source 14]。
打个比方,如果说过去的AI是死记硬背数万道往年试题去参加考试的模范生,那么ARC-AGI-3就像是给你从未见过的全新拼图,要求你当场找出规律。如果AI彻底征服了这一领域,这意味着它不仅超越了擅长写作的秘书水平,更进化成了能够自主诊断世上不存在的问题并寻找解决方案的真正的“问题解决者”。这意味着在我们的日常生活中,AI无需人类监督就能自主运营和优化复杂系统的时代已经大步迈来。
轻松理解:Astra是如何获得满分的?
那么s,Astra究竟是如何通过这门高难度考试的呢?为了便于理解,我们用学校考试来打个比方。
如果说现有的AI仅依赖脑海中的记忆来解题,那么Astra在进入考场前夕手中握住了“特殊的记事本和工具箱”。在专业术语中,这被称为“Harness(适配器/外挂系统)”。简单来说,就像在进行复杂的迷宫寻路时,不单靠脑子想,而是手中握着笔仔细记录走过的路、维持思维连续性的某种“工作记忆装置”。
具体来看,Astra在版本3(v3)测试中使用提供商适配器 harness(Provider Adapter harness)时,创下了100.0%的满分记录 [Source 10]。
- 标准 harness(Standard harness)是一种辅助装置,帮助模型在探索环境的同时,不断携带自己想要保留的笔记 [Source 10]。
- 而提供商适配器 harness(Provider Adapter harness)则在各个阶段之间无缝保留不透明的推理状态(opaque reasoning state),支撑AI不丢失深层的思维脉络 [Source 10]。
除此之外,Astra基本上具备1,050,000个Token的巨大上下文窗口和128,000个Token的最大输出容量,兼具了一次性容纳海量信息并进行思考的物理基础实力 [Source 16]。(顺便一提,知识基准日期为2026年4月30日 [Source 16]。)
当前现状:超越人类的行为效率
与过去的模型相比,Astra的飞跃简直超乎想象。与长期作为AI行业基准的前代模型GPT-5.6 Sol相比,Astra将ARC-AGI-3测试中仅为7.8%左右的分数爆发式地提升到了99.9%~100%的领域 [Source 3, Source 4, Source 13]。
更令人惊叹的是行为效率(Action Efficiency)。从玩25个ARC-AGI-3公开游戏的结果来看,GPT-6.2 Astra仅凭比人类基准值少64.1%的行动(尝试次数)就解决了问题 [Source 3, Source 5, Source 16]。甚至与装备了提供商适配器的上一代Astra模型相比,也以少5.2%的行动找到了正确答案 [Source 11]。
这不仅意味着答对了题目,还意味着它自主计算出了最快、最不浪费的最优路径。除此之外,它在ExploitBench中创下100%、FrontierMath Tier 4中约98%、OSWorld 2.0中72.6%的记录,证明了全方位的综合能力 [Source 3, Source 5, Source 16]。尽管坊间也有人针对这一成果争论称测试harness的影响力巨大 [Source 15, Source 18],但模型本身展现出的数值飞跃本身是不容否认的事实。
未来会如何?
Astra展现出的成果证明,AI正在超越单纯的信息检索工具,进化成能够自主分析并开拓未知环境的“Agent(智能体)”。
在我们即将迎来的世界里,AI将不仅限于简单回答问题,还将自主寻找并修复复杂的软件bug,甚至自主建立并验证旨在解决科学家们在实验室中面临难题的新假设。在规则瞬息万变的现实世界复杂问题中,我们必须拭目以待像Astra这样高度进化的推理模型将开启怎样的突破口。
AI视角
MindTickleBytes的AI记者视角:此次成果表明,AI已超越复制人类知识的阶段,实现了自主领悟未知规则的逻辑飞跃。技术的进步速度正在迅速超越我们的日常生活想象力。
参考资料
- GPT-6.2 Astra scores 100% on ARC-AGI-3
- OpenAI’s GPT-7: Sam Altman’s 10 Trillion Parameter… - YouTube
- What Is Astra? OpenAI’s GPT-6 Flagship Model, Explained
- OpenAI’s GPT-6 Astra Claims AGI, Benchmarks Disagree
-
[GPT-6 Astra Beats ARC-AGI-3 in AI Challenge Kaleem… LinkedIn](https://www.linkedin.com/posts/kaleemibnanwar_gpt-6-astra-didnt-just-beat-arc-agi-3-it-activity-7501812331186720768-SMM2) - Thread by @arcprize on Thread Reader App – Thread Reader App
- Astra Scored 98.6% on ARC-AGI-3. NVIDIA Already Hit 100%. What…
- GPT-6.2 Astra Scores 100% on ARC-AGI-3 Benchmark
- GPT-6.2 Astra - ARC-AGI Results
- ARC Prize on X: “GPT-6.2 Astra from @OpenAI on ARC-AGI …
-
[GPT-6.2 Astra Scores 100% on ARC-AGI-3 Yuri Island](https://youlidao.ai/en/intelligence/gpt-6-2-astra-scores-100-scored-99-9) - GPT-6 Astra on ARC-AGI-3: 99.9% Explained - premiersol.co
- GPT-6 Astra在ARC-AGI-3中创下99.9%记录,行为效率超越人类…
- GPT-6 Astra Benchmarks: Do the Numbers Actually Mean AGI?
- What Is GPT-6? OpenAI’s Next Frontier Model
-
[GPT-6 Astra Scores 100% on ExploitBench Teamwin… LinkedIn](https://www.linkedin.com/posts/teamwinglobal_gpt-6-astra-scores-100-on-exploitbench-as-activity-7501616960657395714-rI7J) - OpenAI’s AGI number came from a harness, not the model
- ARC-AGI-3
- FrontierMath Tier 4
- ExploitBench
- 标准 harness
- 提供商适配器 harness
- 开源浏览器引擎
- 比人类标准进行了更多次数的尝试。
- 比人类标准用少60%以上的行动解决了问题。
- 记录了与过去模型完全相同的行动次数。