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。
DeepSeek V4.1 Flash 1017 (High)
- 94.5%
- 0.055512 USD / 任务
Gemini 3.6 Flash (Minimal)
- 34.5%
- 0.041249 USD / 任务
Claude Sonnet 4 (Thinking 16K)
- 40%
- 0.3658 USD / 任务
Gemini 4 Argon (Low)
- 76.5%
- 0.042841 USD / 任务
Minimax M2.5
- 63.67%
- 0.07 USD / 任务
Kimi K2.5
- 65.33%
- 0.15 USD / 任务
Claude Haiku 4.5 (Thinking 8K)
- 25.5%
- 0.0687 USD / 任务
Claude Fable 5.1 (Medium)
- 94.5%
- 0.442558 USD / 任务
GPT-5.4 (XHigh)
- 93.67%
- 0.62 USD / 任务
Claude Sonnet 4.5 (Thinking 1K)
- 31%
- 0.0928 USD / 任务
o1-mini
- 14%
- 0.135 USD / 任务
Beam 1.0 (High)
- 67.66666666666664%
- 0.202664 USD / 任务
Opus 4.5 (Thinking, None)
- 40%
- 0.13 USD / 任务
Muse Spark Open (Medium)
- 77.66666666666666%
- 0.119198 USD / 任务
Claude Fable 5.1 (XHigh)
- 96.5%
- 0.957888 USD / 任务
Claude Haiku 5.5 (Low)
- 50.33333333333334%
- 0.005281 USD / 任务
Claude Opus 4 (Thinking 16K)
- 35.67%
- 1.2496 USD / 任务
Claude Sonnet 4.5 (Thinking 16K)
- 48.33%
- 0.2683 USD / 任务
GPT-5 (High)
- 65.67%
- 0.5087 USD / 任务
GPT-5.4 (Medium)
- 86.17%
- 0.25 USD / 任务