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。
Claude Sonnet 4.5 (Thinking 8K)
- 6.94%
- 0.2349 USD / 任务
Gemini 3.5 Flash (Minimal)
- 8.89%
- 0.1074 USD / 任务
o3-Pro (Low)
- 2.05%
- 2.2293 USD / 任务
o1-mini
- 0.83%
- 0.1907 USD / 任务
Claude Sonnet 5.5 (High)
- 67.36111111111111%
- 0.276755 USD / 任务
Gemini 3.7 Flash (Low)
- 52.91666666666667%
- 0.079387 USD / 任务
DeepSeek V4 Flash 0731 (High)
- 55.97222222222221%
- 0.045338 USD / 任务
Qwen3-235b-a22b Instruct (25/07)
- 1.25%
- 0.0044 USD / 任务
Claude Sonnet 5.5 (Medium)
- 32.77777777777777%
- 0.155375 USD / 任务
DeepSeek V4 Pro 0813 (Low)
- 56.25%
- 0.370259 USD / 任务
Gemini 3.7 Flash (High)
- 84.58333333333333%
- 0.24945 USD / 任务
GPT-4.1
- 0.42%
- 0.0691 USD / 任务
GPT-6 Astra (High)
- 92.08333333333333%
- 0.668079 USD / 任务
Grok 4.5 (High)
- 52.64%
- 0.78 USD / 任务
Claude 3.7 (16K)
- 0.7%
- 0.51 USD / 任务
DeepSeek V4.1 Flash (Low)
- 60.55555555555555%
- 0.119042 USD / 任务
GPT-6 Sol (High)
- 68.88888888888889%
- 0.202737 USD / 任务
o3-mini (High)
- 2.99%
- 0.5472 USD / 任务
Gemini 2.5 Flash (Preview) (Thinking 8K)
- 2.12%
- 0.1994 USD / 任务
GPT-5.5 (Low)
- 33.33%
- 0.35 USD / 任务