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-5.6 Luna (Medium)
- 56.5%
- 0.06 USD / 任务
GPT-4.1-Mini
- 3.5%
- 0.0078 USD / 任务
Kimi K3 (High)
- 86.66666666666666%
- 0.479771 USD / 任务
DeepSeek V4 Flash 0731 (High)
- 87%
- 0.021403 USD / 任务
Gemini 2.5 Flash (Preview)
- 33.33%
- 0.0371 USD / 任务
GPT-6 Astra (XHigh)
- 98.5%
- 0.347055 USD / 任务
o3-Pro (Medium)
- 57%
- 3.1766 USD / 任务
Claude 4.7 (Medium)
- 91%
- 1.04 USD / 任务
GPT-5.4 (High)
- 92.67%
- 0.37 USD / 任务
Magistral Medium (Thinking)
- 6.12%
- 0.0989 USD / 任务
Gemini 3 Flash Preview (Low)
- 29%
- 0.0163 USD / 任务
Beam 1.0 (Low)
- 45%
- 0.075047 USD / 任务
Claude Opus 4.6 (120K, Medium)
- 92%
- 0.9647 USD / 任务
Gemini 3.8 Flash (Medium)
- 97.5%
- 0.10755 USD / 任务
Opus 4.5 (Thinking, 16K)
- 72%
- 0.62 USD / 任务
Gemini 3.6 Flash (Medium)
- 83.16666666666666%
- 0.246858 USD / 任务
GPT-6 Sol (Low)
- 72.16666666666666%
- 0.053108 USD / 任务
GPT-5.4 Mini (Low)
- 13%
- 0.04 USD / 任务
Gemini 2.5 Pro (Thinking 32K)
- 37%
- 0.5123 USD / 任务
Gemini 3 Flash Preview (Minimal)
- 21.5%
- 0.012 USD / 任务