GPT-6 Astra 在 ARC-AGI-3 得分 99.9%，與 Sol 採不同評測框架

GPT-6 Astra 在 ARC-AGI-3 得分 99.9%，與 Sol 採不同評測框架。圖表數據 2026 年 9 月 3 日，Tibo 分享的比較圖標示 GPT‑6 Astra 99.9%、Claude Opus 5 30.2%、GPT‑5.6 Sol 7.8%；圖說另列平均人類測試者 48%。OpenAI 官方發布頁也列出 Astra 在 ARC-AGI-3 得分 99.9%，並寫到它在 96% 的關卡超過人類行動效率基準。GPT-6 Astra 在 ARC-AGI-3 得分 99.9%；圖中另列 Claude Opus 5（30.2%）與 GPT-5.6 Sol（7.8%）。Astra 使用 Responses API 執行框架，與圖中 Sol 的測法不同；OpenAI 估計 Sol 若採同一框架，得分約為 30%。評測脈絡 ARC-AGI-3 測試模型學習陌生的互動任務；Astra 的 99.9% 是透過 Responses API 執行框架測得。圖說另提供同一執行框架下 GPT‑5.6 Sol 約 30% 的估計，因此圖表的 7.8% 是不同脈絡下的另一個數值，不能和約 30% 混用。原始資料沒有 ARC-AGI-3 的執行設定、樣本數或信賴區間，圖表的方法與排名也尚未獲獨立驗證。解讀方式 Tibo 問「我們需要另一個 AGI 評測，下一個門檻又會移到哪裡？」這是對評測目標是否移動的評論，不是數字的額外證明。圖表只能說明 Astra 在指定任務和執行框架下的分數；比較時應同時記錄模型分數、人類基準、Responses API 執行框架、任務設計與計分規則，不能據此推論模型已具備可泛化的 AGI 能力。原文：https://easyvibecoding.app/curated/3269-gpt-6-astra-hits-99-9-arc-agi-3-responses-api-harness