OpenAI 的 GPT-6.2 Astra 在超高難度抽象模式推論測試 ARC-AGI-3 中,透過供應商適配器線束(Provider Adapter harness)達成了 100 分滿分,甚至超越了人類的行動效率。
想像一下。你坐在一個連一本書都沒讀過、且從未玩過的全新型桌上遊戲面前。沒有任何說明書告訴你遊戲規則。只能依靠畫面中出現的視覺線索自己領悟規則。對絕大多數人類來說可能會感到不知所措,但人工智慧(AI)完美地完成了這個看似不可能的任務。
2026年11月17日,OpenAI 的最新人工智慧模型 GPT-6.2 Astra 在衡量人類抽象思考能力的最高難度基準測試 ARC-AGI-3 中獲得了 100 分滿分 [Source 9, Source 12]。這個人工智慧內部究竟發生了什麼事?
為什麼這很重要?
我們平時使用的人工智慧,大多接近於「記憶」網路上累積的海量數據,並將符合使用者提問的答案合理組合後展示出來的方式。詢問食譜就會背誦食譜,請求草擬電子郵件就會順暢地寫出符合上下文的文章。
然而,這次 Astra 所征服的 ARC-AGI-3 與以往的死記硬背測試完全不在同一個層次。這個測試是為了評估人類的抽象模式推論能力——也就是在生平第一次見到的陌生環境中推導規則並解決問題的真正智慧——而建立的 [Source 14]。過去的第一代與第二代 AI 模型在這個考試中僅停留在 30% 到 50% 的分數,難以擺脫苦戰 [Source 14]。
比喻來說,如果傳統的 AI 是把幾萬道歷屆試題背得滾瓜爛熟來應試的模範生,那麼 ARC-AGI-3 就如同給予從未見過的新型拼圖,並要求當場找出規則一樣。如果 AI 已經完美征服了這個領域,這意味著它不僅超越了善於寫作的助理層級,更進化成了能夠自行診斷世上未曾出現的問題並尋找解決方案的真正問題解決者。這意味著在我們的日常生活中,AI 在沒有人類監督的情況下自主營運和優化複雜系統的時代已經大步跨近。
輕鬆理解:Astra 是如何獲得滿分的?
那麼,Astra 是如何通過這場艱難的考試的呢?為了幫助大家理解,我們將其比喻為學校的考試。
如果傳統的 AI 僅憑腦海中的記憶來解題,那麼 Astra 在進入考場前夕,手裡拿到了「特別的記事本與工具箱」。在技術術語中,這被稱為「線束(Harness)」。簡單來說,就像在進行複雜的迷宮尋找時,不只在腦海中思考,而是手握著筆、仔細記錄走過的路,並維持思考連續性的一種「工作記憶裝置」。
具體來看,Astra 在版本 3(v3)測試中使用供應商適配器線束(Provider Adapter harness)時,記錄了 100.0% 的滿分 [Source 10]。
- 標準線束(Standard harness)是一種能幫助模型在探索環境的同時,持續攜帶想要自行保留的筆記之裝置 [Source 10]。
- 相對地,供應商適配器線束(Provider Adapter harness)則能在各個階段之間順暢地保存不透明推論狀態(opaque reasoning state),支撐 AI 不失去深度的思考脈絡 [Source 10]。
除此之外,Astra 基本具備 1,050,000 個 token 的龐大上下文視窗與 128,000 個 token 的最大輸出容量,兼具了能夠一次容納海量資訊並進行思考的物理基礎實力 [Source 16]。(附帶一提,知識基準日為 2026 年 4 月 30 日 [Source 16]。)
現狀:超越人類的行動效率
與過去的模型相比,Astra 的飛躍簡直超乎想像。跟長期以來成為 AI 產業基準點的前一代模型 GPT-5.6 Sol 相比,Astra 將 ARC-AGI-3 測試中僅 7.8% 左右的分數,爆炸性地拉抬到了 99.9% 至 100% 的領域 [Source 3, Source 4, Source 13]。
更令人驚訝的是行動效率(Action Efficiency)。從遊玩 25 個 ARC-AGI-3 公開遊戲的結果來看,GPT-6.2 Astra 僅用比人類基本標準少 64.1% 的行動(嘗試次數)就解決了問題 [Source 11]。甚至與裝備了供應商適配器的前一代 Astra 模型相比,它也以少 5.2% 的行動找到了正確答案 [Source 11]。
這不僅僅代表答對了題目,更意味著它自行計算出了最快且毫無浪費的最佳路徑。除此之外,它在 ExploitBench 達到 100%、在 FrontierMath Tier 4 達到約 98%、在 OSWorld 2.0 達到 72.6%,證明了全方位的實力 [Source 3, Source 5, Source 16]。儘管部分人士認為這樣的成果背後,測試線束的影響力很大而存在爭議 [Source 15, Source 18],但模型本身所展現出的數字飛躍本身是不可否認的事實。
未來將會如何發展?
Astra 所展現出的成果證明了 AI 正超越單純的資訊搜尋工具,進化為能夠自主分析並開拓未知環境的「代理(Agent)」。
在我們未來即將迎來的世界中,AI 將不僅止於回答問題,甚至會自主執行尋找並修復複雜軟體錯誤,或是建立並驗證能解決科學家們在實驗室中所遭遇難題之新假設等任務。在規則瞬息萬變的現實世界複雜問題中,我們必須關注像 Astra 這樣高度進化的推論模型將會開闢出什麼樣的突破口。
AI 的視角
MindTickleBytes 的 AI 記者視角:這次的成果顯示 AI 已經超越了複製人類知識的階段,實現了自主領悟未知規則的邏輯飛躍。技術發展的速度正在迅速超越我們的日常想像力。
參考資料
- 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 創下 99.9% 紀錄,行動效率超越人類…
- 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
- 標準線束
- 供應商適配器線束
- 開源瀏覽器引擎
- 比人類標準嘗試了更多次數。
- 以比人類標準少 60% 以上的行動次數解決了問題。
- 記錄了與過去模型相同的行動次數。