Stem Grad
- 98%
- 10 USD / 任务
项目测评
ARC-AGI-1 · 抽象推理
ARC Prize · 289 条配置有公开分数，按独立指标查看结果和测试条件。
报告身份与条件
资料日期 2026-10-28 · 报告发布日期 —。运行日期与测试条件见各条记录。
- 运行配置独立保存；不同推理档位分别列出。
- 逐次测试日未列明；资料更新日期与报告所列型号发布日期分别保留，不替代实际测试日期。
- 费用按报告公布的运行范围与美元口径比较，不能等同于模型API单价。
- ARC-AGI-1 · 半私有评测集；不同基准版本分别比较。
- 半私有评测范围的任务得分，以百分比表示；不与其他版本或测试范围混排。
- 报告直接列示的单任务费用，USD／任务；不补造总费用或任务数，不表示每成功任务成本或当前API报价。
- 人类参考单独展示，不参与模型／系统榜单或费用排名。
任务得分
每任务费用
人类参考
人类基线单独列示，不参与模型与系统排名。
Human Panel
- 98%
- 17 USD / 任务
完整结果与对象版本
289 / 289 条配置有本范围的公开分数；列表展示有分数的配置，缺项保留“未提供”。同名型号的不同运行配置分别列出。
GPT-5.2 (High)
- 78.67%
- 0.5196 USD / 任务
GPT-6 Luna (Low)
- 37.666666666666664%
- 0.00321 USD / 任务
Claude Sonnet 4.5
- 25.5%
- 0.0808 USD / 任务
Claude Fable 5 (Medium)
- 92.5%
- 0.6638 USD / 任务
GPT-5 (Medium)
- 56.17%
- 0.3301 USD / 任务
GPT-6 Luna (XHigh)
- 73%
- 0.012172 USD / 任务
Claude Opus 4.8 (High)
- 92%
- 1.0416 USD / 任务
GPT-6.1 Sol (Max)
- 96.5%
- 0.095436 USD / 任务
Nemotron 3.5 Super VL (High)
- 22.666666666666668%
- 0.031481 USD / 任务
Claude 3.7
- 13.6%
- 0.058 USD / 任务
DeepSeek V4 Pro 0813 (Low)
- 90.5%
- 0.178231 USD / 任务
Grok 4.6 (High)
- 87%
- 0.326866 USD / 任务
Gemini 3 Deep Think (2/26)
- 96%
- 7.171 USD / 任务
Claude Fable 5.1 (High)
- 96%
- 0.516949 USD / 任务
GPT-5.6 Terra (Low)
- 60.17%
- 0.09 USD / 任务
GPT-5.4 Mini (High)
- 58%
- 0.27 USD / 任务
Gemini 2.5 Flash (Preview) (Thinking 8K)
- 25.83%
- 0.1344 USD / 任务
DeepSeek V4.1 Flash (Max)
- 94.5%
- 0.065688 USD / 任务
Claude 4.7 (High)
- 93.5%
- 1.41 USD / 任务
Claude Opus 5.5 (High)
- 98.5%
- 0.15799 USD / 任务