Human Panel
- 100%
- 17 USD / 任务
项目测评
ARC-AGI-2 · 抽象推理
ARC Prize · 290 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2026-11-03· 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
290 / 290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。
Grok 4.6 (Medium)
- 61.25%
- 0.658697 USD / 任务
Gemini 3.8 Flash (Medium)
- 82.91666666666667%
- 0.247788 USD / 任务
GPT-5.2 (XHigh)
- 52.91%
- 1.8982 USD / 任务
Nemotron 3.5 Super VL (Medium)
- 1.9444444444444444%
- 0.01731 USD / 任务
GPT-5.6 Luna (XHigh)
- 47.64%
- 0.54 USD / 任务
Gemini 3.6 Flash (Medium)
- 50.41666666666667%
- 0.455509 USD / 任务
GPT-5.6 Luna (Max)
- 59.54%
- 0.67 USD / 任务
GPT-6 Sol (Max)
- 89.58333333333334%
- 0.438898 USD / 任务
GPT-6 Luna (XHigh)
- 41.94444444444444%
- 0.032298 USD / 任务
Kimi K3 (High)
- 55%
- 0.947223 USD / 任务
Magistral Medium (Thinking)
- 0%
- 0.123 USD / 任务
Claude Opus 5.5 (Medium)
- 87.5%
- 0.336919 USD / 任务
Claude Fable 5 (Max)
- 89.16666666666667%
- 5.449076 USD / 任务
DeepSeek V4 Flash 0731 (None)
- 2.083333333333333%
- 0.003761 USD / 任务
Claude Opus 4.6 (120K, Medium)
- 66.25%
- 2.7209 USD / 任务
GPT-5.6 Luna 2026-07-30 (High)
- 33.33333333333333%
- 0.062539 USD / 任务
Claude Sonnet 4.5 (Thinking 16K)
- 6.94%
- 0.3499 USD / 任务
DeepSeek V4 Flash 0731 (Low)
- 45.97222222222222%
- 0.020628 USD / 任务
Claude Haiku 4.5 (Thinking 8K)
- 1.67%
- 0.0909 USD / 任务
GPT-6 Astra (None)
- 59.58333333333333%
- 0.369674 USD / 任务