AI圈报
观点 / 方法精选

ARC-AGI-3 发布仅半年即被 Astra 饱和，进展快于 François Chollet 预期一倍

信息来源：X：Sherwin Wu（@sherwinwu）·
原始标题：Progress continues to surprise even the best of us. ARC-AGI-3 was the first ARC-AGI benchmark that I…

内容摘要

Sherwin Wu 表示自己曾觉得 ARC-AGI-3 很难，如今该基准已被 Astra 饱和。引用 François Chollet 的话称，ARC 3 发布时他预计前沿模型约一年才能饱和，实际只用了 6 个月，约为预期的 2 倍速度，新一代模型的能力将挑战人们基于旧模型形成的 AI 观点。
内容分类AI 观点与方法
内容层级精选情报
发布时间（北京时间）
本站收录时间（北京时间）
信息来源X：Sherwin Wu（@sherwinwu）
站内情报编号intel-ba0c651a07b424bf60995d6d
阅读原始信息 ↗更多观点 / 方法

相关推荐

综合分类、实体标签与信息来源匹配

观点 / 方法普通
GPT-6 Astra 登顶 Mercor APEX-Agents 榜单，法律金融咨询任务全面提升
GPT-6 Astra 在 Mercor 的 APEX-Agents 排行榜首次上榜即排名第一，Mean score 62.4%（第1），Pass@1 46.7%（第2），Mean 领先 Fable 5.1 0.4 分、Pass@1 落后 0.8 分。
信息来源：X：Sherwin Wu（@sherwinwu） · GPT
观点 / 方法普通
Sherwin Wu 转引 GPT-6 Astra 75 分钟构建浏览器版 macOS 模拟器 demo
GPT-6 Astra 在 75 分钟内根据同一 simulate macOS 27 提示词构建出浏览器版 macOS 模拟器。引用者 @mweinbach 称这是他见过最好的输出，登录后还支持 cloud sync 和可用的应用，demo 地址为 https://macos-27-simulator.mweinbach.chatgpt.site/。
信息来源：X：Sherwin Wu（@sherwinwu） · ChatGPT / GPT
观点 / 方法普通
OpenAI产品负责人谈AI第三时代
一定要看看这期最新播客，嘉宾是 @tarstarr--OpenAI 最敏锐的产品思考者之一--聊的可能是 AI 的第三个时代。 一如既往的 S 级内容，来自 @lennysan https://www.youtube.com/watch?v=zMvBMfj4cSQ
信息来源：X：Sherwin Wu（@sherwinwu） · OpenAI
观点 / 方法精选
Rohan Paul 解读 OpenAI GPT-6 Astra 117 页系统卡中的安全发现
Rohan Paul 梳理 OpenAI GPT-6 Astra 117 页系统卡的要点：Astra 控制自身链式思维的能力从 GPT-5.6 Sol 的 16.1% 跃升至 60.9%，可监控性相应下降。
信息来源：X：Rohan Paul (@rohanpaul_ai) · OpenAI / GPT
观点 / 方法精选
François Chollet 评 GPT-6 Astra 在 ARC-AGI-3 上的表现
François Chollet 发文称 GPT-6 Astra 在交互式推理任务上带来阶跃式能力提升，使用标准 harness 在 ARC-AGI-3 上得 66%，配合持续对话 harness 和自定义 compaction 接近 100%，每局成本约 $360。
信息来源：X：Francois Chollet (@fchollet) · GPT
观点 / 方法精选
Artificial Analysis 评测 GPT-6 Astra：编码智能体追平 Fable 5 但价格涨至 2.5 倍
Artificial Analysis 发布 GPT-6 Astra 评测，其 Coding Agent Index 得分 67，约等于 Claude Opus 5 和 Fable 5，且成本不到 Fable 5 的一半；token 效率比 GPT-5.6 Sol （max） 高约 70%。
信息来源：X：Artificial Analysis (@ArtificialAnlys) · GPT / Claude
观点 / 方法精选
Meta Muse Spark 1.3 在 Artificial Analysis 编码智能体指数中与 Claude 组合对比评测结果公布
Artificial Analysis 编码智能体指数显示，Meta Muse Spark 1.3 （max） 在 Muse Code 下得 68 分，仅次于 Claude Code + Opus 5 （xhigh） 的 68 分。
信息来源：X：Alexandr Wang（Scale AI 创始人/Meta 首席 AI 官） (@alexandr_wang) · Claude
观点 / 方法精选
Tom Tunguz 解析 Meta Muse Spark 双轨定价背后的数据换算力逻辑
Tom Tunguz 分析 Meta 发布 Muse Spark 模型及双轨 API 定价：Standard Tier（muse-spark-1.3）输入 $1.25/m。
信息来源：Tomer Tunguz 博客（VC 分析）
观点 / 方法精选
用 TRL 和 OpenEnv 训练编码模型画水彩：Hugging Face 全流程开源复现
Hugging Face 博客作者基于 Surya Narreddi 的原始想法，用 TRL、OpenEnv 和 Qwen/Qwen3.5-35B-A3B 复现了让语言模型通过 p5.brush 写 JavaScript 画水彩的 RL 训练流程，所有数据集、环境、脚本和模型均开源在 Hub。
信息来源：Hugging Face：Blog（RSS） · Qwen / Hugging Face
观点 / 方法精选
Google 总结 AI Agents Challenge 中最强提交背后的 4 个工程模式
Google 复盘 AI Agents Challenge 赛事，从各赛道头部提交中提炼出四个工程模式：双向 MCP、事件驱动并发、同标准回退和分层路由。
信息来源：Google Developers Blog（RSS）