ARC-AGI-3雙分數是什麼：2026 Astra標準與適配器評測全解析

ARC Prize在9月3日為Astra貼出62.7%與99.9%兩套ARC-AGI-3分數。故事是測試架，不是又一篇旗艦稿。

2026年9月3日，ARC Prize基金會在官方部落格公布 GPT-6 Astra 在 ARC-AGI-3 Semi-Private 上的兩套分數：標準測試架 62.7%、Provider Adapter 99.9%。同一模型、同一基準，差了三十多個百分點。

這不是又一篇旗艦發布稿。OpenAI 當天也在推 Astra；本篇只讀 ARC Prize 自己貼出的兩套測試架，以及基金會寫明的讀法：標準架用來比模型，適配器用來看廠商自己的上下文管理。

兩套測試架，兩個問題

ARC-AGI-3 是互動式推理基準：智能體要在陌生的回合制環境裡探索、推斷目標、自己建內部模型，沒有說明書。基金會寫過：人類能解完全部環境；基準剛上線時，當時測過的前沿系統幾乎都低於 1%。

怎麼讀這兩套數字

1. 1

   先看標準架

   62.7% 是跨廠商可並排比較的數字。R&D World 與多家轉述把它當作買家應帶走的分數。OpenAI 發布頁則把 99.9% 放在主表。

2. 2

   再看適配器在問什麼

   適配器問的是：模型配上廠商為自己設計的上下文管理時能做到哪一步。跨 Public 與 Semi-Private、全部推理檔，適配器跑法合計用時約快 3.66 倍；兩邊都解出的 167 組遊戲—推理對上，總 token 少 49%。

3. 3

   再看動作效率

   在 Provider Adapter 上，Astra（max）有 96.0% 的關卡動作數低於人類中位基線，每關平均少 51.7% 步。基金會把這寫成相對人類的動作效率里程碑，不是完成率本身。

基金會自己怎麼劃界

Astra 的回放裡，模型會把陌生機制收成緊湊的符號世界模型，並自造簡寫記錄狀態與計畫。PRO-LONG 紅隊架裡它還能寫關卡專用解析器與規劃腳本；基金會提醒：那是模型加工具，不能和受控人類測試直接比。

ARC Prize 自己的句子：刷滿 ARC-AGI-3 並不代表「證明已經實現 AGI」。環境有界、機制確定、目標封閉，不等於開放世界。

標準架帶走什麼

模型自己決定在可見筆記裡留什麼。介面最小，便於並排比較。

適配器帶走什麼

不透明推理狀態在請求之間保留，長對話會被壓縮。分數和耗時都會變。

人類基線怎麼來的

上線前約 500 名一般參與者；每關人類基線取完成者的動作數中位數。受試按場次計酬，不是職業解謎選手。

和同事對齊兩套分時

讀完後通常缺一張圖：標準架 62.7%、適配器 99.9%、以及「不是 AGI」這句邊界。不必再裝會議套件。可在tidemeet開短時空間，或看如何建立空間。同期獨立調查見METR 與 OpenAI / Hugging Face 評測；另一套實驗室協議見DeepMind 雙盲飛地評測。

# 對照軸
standard-62.7 → adapter-99.9 → not-agi

還有疑問？