ARC Prize 2026 ARC-AGI-3 最高分更新

ARC Prize 公布 Gemini 4 Argon 在 ARC-AGI (Verified) 的评测成绩。ARC-AGI-3 上，provider adapter harness 得分 97.5%、成本 $4.8K，标准 harness 得分 49.8%、成本 $5.8K；ARC-AGI-2 得分 91.3%、$0.32/task；ARC-AGI-1 得分 98.5%、$0.16/task。Google DeepMind 是第二家在 ARC-AGI-3 上得分超过 95…

ARC Prize 公布 2026 赛季 ARC-AGI-2 高分榜，TUFA Labs 以 88.06% 排名第一。10 万美元之外另设的 15 万美元 Bonus Prize 将由所有得分超过 85% 的团队分享；榜单第 2 至第 5 名分别为 Rabbithole（80.56%）、Yi-Chia Chen（77.22%）、Nubanana（77.08%）和 _hans（67.64%）。

ARC Prize 公布 DeepSeek V4.1 Flash 在 ARC-AGI (Verified) 的成绩：ARC-AGI-2 得分 72.9%，每任务成本 $0.13；ARC-AGI-1 得分 94.5%，每任务成本 $0.07。相比 V4 Flash 的最佳成绩，ARC-AGI-1 高 5.5 分，ARC-AGI-2 高 11.5 分，但每任务成本高约 250%。

来自 @NVIDIAAI 的 NVIDIA Nemotron 3.5 Super VL 在 ARC-AGI（Verified）上的成绩： - ARC-AGI-2：1.94%，$0.02/任务 - ARC-AGI-1：22.67%，$0.03/任务 Nemotron 3.5 Super VL 是我们评测的首个 NVIDIA 模型。

ARC Prize 公布 DeepSeek V4.1 Flash 1017 在 ARC-AGI Verified 上的成绩：ARC-AGI-2 为 78.1%（$0.16/task），ARC-AGI-1 为 94.5%（$0.06/task）。DeepSeek Flash 系列的 ARC-AGI-2 最高分从 V4 Flash 0731 的 61.4%、V4.1 Flash 的 72.9% 提升至 78.1%。

ARC Prize 公布 Claude Sonnet 5.5 的 ARC-AGI (Verified) 评测结果：ARC-AGI-3 得分 72.4%（provider adapter harness，花费 $8.2K）、24.3%（standard harness，$7.4K），ARC-AGI-2 得分 83.9%（$0.55/task），ARC-AGI-1 得分 96.5%（$0.14/task）。其 ARC-AGI-3 的 72.4% 成绩尤为突出。

@reflection_ai @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 - Beam 1.0 完整结果：https://arcprize.org/results/reflection-beam-1-0

@reflection_ai 每任务成本基于我们测试时使用的 @Baseten 定价：每 100 万 token 输入 $1.30 / 输出 $4.30。 ARC-AGI-3 结果待公布。 完整结果：https://arcprize.org/results/reflection-beam-1-0

ARC Prize 公布 Beam 1.0 在 ARC-AGI (Verified) 的成绩：ARC-AGI-2 为 23.5%，每任务 $0.61；ARC-AGI-1 为 74.0%，每任务 $0.31。最佳成绩出现在 xhigh 推理档，但 high 档在 ARC-AGI-2 上也达到 20.0%，成本约低 43%。

@Google - 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 - Gemini 4 Argon 完整结果：https://arcprize.org/results/google-gemini-4-argon