Human Panel
- 100%
- 17 USD / 任务
项目测评
ARC-AGI-2 · 抽象推理
ARC Prize · 271 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2026-10-19· 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-2 · 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。
完整结果与对象版本
271 / 271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-5.4 (Low)
- 29.17%
- 0.27 USD / 任务
Gemini 3.6 Flash (Minimal)
- 2.638888888888889%
- 0.070841 USD / 任务
Gemini 3.5 Flash-Lite (Low)
- 1.5277777777777777%
- 0.017051 USD / 任务
GPT-5.6 Luna 2026-07-30 (Medium)
- 7.36111111111111%
- 0.022097 USD / 任务
Grok 4.6 (XHigh)
- 67.08333333333333%
- 0.75749 USD / 任务
Claude Fable 5.1 (High)
- 88.75%
- 1.667306 USD / 任务
GPT-5.4 (Medium)
- 55.42%
- 0.68 USD / 任务
Opus 4.5 (Thinking, 8K)
- 13.89%
- 0.48 USD / 任务
Inkling Small (Minimal)
- 4.027777777777777%
- 0.053034 USD / 任务
DeepSeek V4.1 Flash (High)
- 67.5%
- 0.133416 USD / 任务
o3-Pro (Medium)
- 1.94%
- 4.7441 USD / 任务
o4-mini (High)
- 6.11%
- 0.856 USD / 任务
GPT-6 Luna (Max)
- 59.30555555555556%
- 0.061811 USD / 任务
GPT-5.2 (Medium)
- 26.67%
- 0.7594 USD / 任务
GPT-6.1 Sol (Max)
- 94.16666666666667%
- 0.25375 USD / 任务
Claude Fable 5.1 (Max)
- 90%
- 4.492349 USD / 任务
Claude Opus 4.8 (High)
- 72.08%
- 2.7425 USD / 任务
GLM-5.3-Flash (High)
- 50.13888888888889%
- 0.077349 USD / 任务
GPT-6.1 Sol (High)
- 91.66666666666666%
- 0.134687 USD / 任务
Claude Sonnet 4.5 (Thinking 8K)
- 6.94%
- 0.2349 USD / 任务