OpenAI GPT-6 Astra 登顶 ARC-AGI-3，成本效率双突破

通用人工智能评测领域迎来新的技术标尺。ARC-AGI-3 作为面向抽象推理与泛化能力的高难度基准，其 Semi-Private 版本因未公开测试集而更具参考价值，被视为衡量模型智能水平的前沿试金石。

OpenAI 于近期公布的最新模型 GPT-6 Astra 在此项测试中表现突出。官方数据显示，在 Standard harness 配置下，模型取得 62.7% 的准确率，对应推理成本约为 2.6 万美元；而在 Provider Adapter harness 配置下，得分跃升至 99.9%，成本反而降至约 1.9 万美元。两项成绩均为该基准上的最优结果（SOTA）。

值得注意的是，两种 harness 的得分差异揭示了模型在不同接口适配条件下的性能弹性。Provider Adapter 模式通过优化推理调用路径，不仅显著提升了准确率，还降低了算力开销，这一结果对实际部署中的成本效率优化具有直接参考意义。

目前，ARC-AGI-3 的完整排行榜尚未公开，但 GPT-6 Astra 的上述成绩已引发业界对下一代推理架构的讨论。分析人士指出，高难度基准上的高分与成本下降并存，可能意味着模型在算法层面实现了更高效的搜索或验证机制，而非单纯依赖算力堆叠。

随着半私有评测集逐渐成为衡量模型泛化能力的新标准，此次结果或将为后续模型迭代和评测方法论的发展提供重要参照。OpenAI 尚未透露 GPT-6 Astra 的技术细节及公开发布时间表。