ARC-AGI 基准测试的缔造者 François Chollet 近日公开了对 OpenAI 新一代模型 GPT-6 Astra 的评测结果，引发业内对通用人工智能进展的再度聚焦。他明确指出，该模型在交互式推理任务中呈现出显著的阶跃式能力跃升，而非渐进式改良。

在标准测试协议下，GPT-6 Astra 于 ARC-AGI-3 上取得了 66% 的得分。这一基线成绩已较前代模型有明显突破，但更值得关注的是其在高交互环境中的表现：当测试框架切换至持续对话模式，并启用自定义的上下文压缩策略后，模型成绩逼近 100%。这意味着在允许模型主动提问并逐步收敛解决方案的设定中，其推理近乎无懈可击。

Chollet 同时披露了运行成本细节：每完成一次完整评测对局，所需算力开销约为 360 美元。这一数字凸显了高性能推理背后的资源密集属性，也为后续关于效率与智能关系的讨论埋下伏笔。

该评测结果侧面印证了 Chollet 长期坚持的观点——静态基准难以捕捉模型真实能力，而交互式评估能更完整地暴露系统的推理潜力。GPT-6 Astra 在 ARC-AGI-3 上的表现，或将成为衡量下一代模型能否跨越抽象推理鸿沟的新标尺。

值得注意的是，ARC-AGI-3 本身设计难度高于前两代，旨在剔除记忆与模式匹配的干扰。GPT-6 Astra 在该基准上的高完成度，不仅是对其算法架构的检验，也可能重新校准业界对“接近人类级抽象推理”的预期。目前，OpenAI 尚未对 Chollet 的评测数据作出官方回应。