ARC-AGI-3 里程碑2获奖者公布

ARC Prize 公布 OpenAI GPT-6.1 Sol 的完整测试结果，排行榜地址为 arcprize.org/leaderboard。推文同时给出公开结果复现仓库 arc-agi-benchmarking、测试政策页面及结果详情链接。

GPT-6.1 Sol 在 ARC-AGI-3 上以更高推理等级做出更优决策，完成关卡所需动作更少，从而降低总推理成本。以 sk48 为例，使用保留不透明推理状态并支持自动压缩的 provider adapter 时，max 推理仅用 463 个动作通关，而 low 推理用了 1,078 个。

ARC Prize 公布 OpenAI GPT-6.1 Sol 在 ARC-AGI (Verified) 上的成绩：ARC-AGI-3 为 52.7%（标准 harness，$7.6K），provider adapter harness 下 96.4%（$4.4K）；ARC-AGI-2 为 94.2%（$0.25/task）；ARC-AGI-1 为 98.5%（$0.06/task）。其在 v3 上的 96.4% 接近 GPT-6 Astra 的 99.9%，但成本低 77…

ARC Prize 发文称，在 ARC-AGI-2 上 GPT-6.1 Sol 的最佳成绩为 94.2%，与 GPT-6 Astra 的 95.0% 相当，且成本低 77%。完整结果见 https://arcprize.org/results/openai-gpt-6-1-sol。

@Zai_org @OpenRouter @baseten - 排行榜：https://arcprize.org/leaderboard - 复现公开结果：https://github.com/arcprize/arc-agi-benchmarking - 测试政策：https://arcprize.org/policy - GLM 5.3 Flash 完整结果：https://arcprize.org/results/zai-glm-5-3-flash

@Zai_org ARC-AGI-3 评测在操作上更为密集；测试完成后，我们将在未来几周内分享结果。 完整结果：https://arcprize.org/results/zai-glm-5-3-flash

@Zai_org 当 GLM 5.3 Flash 以 Ox Alpha 的代号在 @OpenRouter 上 stealth 上线时，我们在 ARC-AGI-1 和 2 的公开任务上进行了测试。后来我们通过 @Baseten 测试了官方版 GLM 5.3 Flash，发现两项基准测试的成绩平均提升了 15 个百分点。

Arena 宣布 Xiaomi MiMo-V2.6-Pro 和 MiMo-V2.6-Flash 登陆 Agent Arena。Pro 在 8.1K+ 真实智能体会话中净提升 +3.17%，列开源模型第5，较 MiMo-V2.5-Pro（第13，-7.23%）提升9个名次；其 Confirmed Success 得分 +7.35%，列开源模型第2。

Arena 宣布 Claude Sonnet 5.5（xHigh）进入 Code Arena: WebDev 榜单，以 1786 分排名第 3，距第 2 名 GPT-6 Astra 的 1788 分仅差 2 分。

Artificial Analysis 数据显示，GPT-6.1 Sol 的 Cost per Task 约 $0.72，比 GPT-6 Sol（$1.05）低约 30%，后者已约为 GPT-5.6 Sol（$1.99）的一半。