据近期 Beating 监测称,OpenAI 已领取了 ARC-AGI-3 评估框架,但并未保留 GPT-5.6 Sol 之前的推理,并在长上下文窗口中删除了早期记录,导致模型反复忘记已发现的模式。OpenAI 使用其 Responses API 来重建该框架,同时在保留历史并压缩上下文后,GPT-5.6 Sol 的得分从 13.3% 提升至 38.3%,输出 token 减少至约原来的六分之一。
然而,Anthropic 的 Opus 5 也同样使用该框架,在高推理模式下得分为 30.2%——即使在其 Max 模式下也超过 GPT-5.6 Sol 的 13.3% 分数,表明该框架可能不会对这两种模型产生同等影响。