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 (Refine.)
- 29.44%
- 30.4 USD / 任务
GPT-5.6 Terra (Max)
- 83.9%
- 1.09 USD / 任务
Minimax M2.5
- 4.86%
- 0.17 USD / 任务
GPT-5 Nano (High)
- 2.61%
- 0.0295 USD / 任务
GPT-5.5 (XHigh)
- 85%
- 1.87 USD / 任务
Gemini 2.5 Flash (Preview) (Thinking 16K)
- 1.98%
- 0.3173 USD / 任务
Kimi K3 (Low)
- 12.361111111111112%
- 0.254139 USD / 任务
Magistral Small
- 0%
- 0.0488 USD / 任务
GPT-4.5
- 0.8%
- 2.1 USD / 任务
GPT-5.4 (XHigh)
- 73.95%
- 1.52 USD / 任务
Claude Fable 5.1 (Low)
- 78.33333333333333%
- 0.952327 USD / 任务
GPT-6.1 Sol (XHigh)
- 91.66666666666666%
- 0.17809 USD / 任务
Gemini 2.5 Pro (Thinking 1K)
- 0%
- 0.0885 USD / 任务
GPT-5.6 Luna (Low)
- 5.14%
- 0.07 USD / 任务
Claude Opus 4.8 (Low)
- 62.22%
- 1.6818 USD / 任务
DeepSeek V4 Flash 0731 (Max)
- 61.38888888888888%
- 0.04163 USD / 任务
GPT-5.6 Terra (Low)
- 18.75%
- 0.17 USD / 任务
Claude Haiku 5.5 (XHigh)
- 61.25%
- 0.084989 USD / 任务
DeepSeek V4.1 Flash 1017 (High)
- 68.61111111111111%
- 0.146938 USD / 任务
Beam 1.0 (Low)
- 2.777777777777778%
- 0.100106 USD / 任务