OpenAI两项改进让GPT-5.6 Sol在AI基准ARC-AGI-3上提分188%

IT之家07-31

IT之家 7 月 31 日消息，OpenAI 公司今天（7 月 31 日）发布公告，宣布通过改进框架，让 GPT-5.6 Sol 模型的 ARC-AGI-3 提高了 188%。IT之家注：ARC-AGI-3 由 ARC Prize 团队推出的全新交互式推理基准测试，是目前全球公认衡量 AI 通用智能（AGI）最严苛、最顶尖的交互式推理评测基准。该基准完全打破了传统 AI“做题”和知识问答的静态测试...

网页链接

免责声明：本文观点仅代表作者个人观点，不构成本平台的投资建议，本平台不对文章信息准确性、完整性和及时性做出任何保证，亦不对因使用或信赖文章信息引发的任何损失承担责任。

精彩评论

我们需要你的真知灼见来填补这片空白

发表看法

{"i18n":{"language":"zh_CN"},"isChannel":false,"data":{"share":"https://www.laohunote.com/m/news/2655563573?lang=zh_CN&edition=full","thumbnail":"","is_english":false,"pubTime":"2026-07-31 15:35","share_image_url":"https://static.laohu8.com/e9f99090a1c2ed51c021029395664489","id":"2655563573","market":"sh","top_or_hot":-1,"title":"OpenAI两项改进让GPT-5.6 Sol在AI基准ARC-AGI-3上提分188%","media":"IT之家","content":"<div>\n<p>IT之家 7 月 31 日消息，OpenAI 公司今天（7 月 31 日）发布公告，宣布通过改进框架，让 GPT-5.6 Sol 模型的 ARC-AGI-3 提高了 188%。IT之家注：ARC-AGI-3 由 ARC Prize 团队推出的全新交互式推理基准测试，是目前全球公认衡量 AI 通用智能（AGI）最严苛、最顶尖的交互式推理评测基准。该基准完全打破了传统 AI“做题”和知识问答的静态测试...</p>\n\n<a href=\"https://tech.ifeng.com/c/8vBTUYCvpBF\">网页链接</a>\n\n</div>\n","source":"ifeng_tech","html":"<!DOCTYPE html>\n<html>\n<head>\n<meta http-equiv=\"Content-Type\" content=\"text/html; charset=utf-8\" />\n<meta name=\"viewport\" content=\"width=device-width,initial-scale=1.0,minimum-scale=1.0,maximum-scale=1.0,user-scalable=no\"/>\n<meta name=\"format-detection\" content=\"telephone=no,email=no,address=no\" />\n<title>OpenAI两项改进让GPT-5.6 Sol在AI基准ARC-AGI-3上提分188%</title>\n<style type=\"text/css\">\na,abbr,acronym,address,applet,article,aside,audio,b,big,blockquote,body,canvas,caption,center,cite,code,dd,del,details,dfn,div,dl,dt,\nem,embed,fieldset,figcaption,figure,footer,form,h1,h2,h3,h4,h5,h6,header,hgroup,html,i,iframe,img,ins,kbd,label,legend,li,mark,menu,nav,\nobject,ol,output,p,pre,q,ruby,s,samp,section,small,span,strike,strong,sub,summary,sup,table,tbody,td,tfoot,th,thead,time,tr,tt,u,ul,var,video{ font:inherit;margin:0;padding:0;vertical-align:baseline;border:0 }\nbody{ font-size:16px; line-height:1.5; color:#999; background:transparent; }\n.wrapper{ overflow:hidden;word-break:break-all;padding:10px; }\nh1,h2{ font-weight:normal; line-height:1.35; margin-bottom:.6em; }\nh3,h4,h5,h6{ line-height:1.35; margin-bottom:1em; }\nh1{ font-size:24px; }\nh2{ font-size:20px; }\nh3{ font-size:18px; }\nh4{ font-size:16px; }\nh5{ font-size:14px; }\nh6{ font-size:12px; }\np,ul,ol,blockquote,dl,table{ margin:1.2em 0; }\nul,ol{ margin-left:2em; }\nul{ list-style:disc; }\nol{ list-style:decimal; }\nli,li p{ margin:10px 0;}\nimg{ max-width:100%;display:block;margin:0 auto 1em; }\nblockquote{ color:#B5B2B1; border-left:3px solid #aaa; padding:1em; }\nstrong,b{font-weight:bold;}\nem,i{font-style:italic;}\ntable{ width:100%;border-collapse:collapse;border-spacing:1px;margin:1em 0;font-size:.9em; }\nth,td{ padding:5px;text-align:left;border:1px solid #aaa; }\nth{ font-weight:bold;background:#5d5d5d; }\n.symbol-link{font-weight:bold;}\n/* header{ border-bottom:1px solid #494756; } */\n.title{ margin:0 0 8px;line-height:1.3;color:#ddd; }\n.meta {color:#5e5c6d;font-size:13px;margin:0 0 .5em; }\na{text-decoration:none; color:#2a4b87;}\n.meta .head { display: inline-block; overflow: hidden}\n.head .h-thumb { width: 30px; height: 30px; margin: 0; padding: 0; border-radius: 50%; float: left;}\n.head .h-content { margin: 0; padding: 0 0 0 9px; float: left;}\n.head .h-name {font-size: 13px; color: #eee; margin: 0;}\n.head .h-time {font-size: 11px; color: #7E829C; margin: 0;line-height: 11px;}\n.small {font-size: 12.5px; display: inline-block; transform: scale(0.9); -webkit-transform: scale(0.9); transform-origin: left; -webkit-transform-origin: left;}\n.smaller {font-size: 12.5px; display: inline-block; transform: scale(0.8); -webkit-transform: scale(0.8); transform-origin: left; -webkit-transform-origin: left;}\n.bt-text {font-size: 12px;margin: 1.5em 0 0 0}\n.bt-text p {margin: 0}\n</style>\n</head>\n<body>\n<div class=\"wrapper\">\n<header>\n<h2 class=\"title\">\nOpenAI两项改进让GPT-5.6 Sol在AI基准ARC-AGI-3上提分188%\n</h2>\n\n<h4 class=\"meta\">\n\n\n2026-07-31 15:35 北京时间&nbsp;&nbsp;&nbsp;<a href=https://tech.ifeng.com/c/8vBTUYCvpBF><strong>IT之家</strong></a>\n\n\n</h4>\n\n</header>\n<article>\n<div>\n<p>IT之家 7 月 31 日消息，OpenAI 公司今天（7 月 31 日）发布公告，宣布通过改进框架，让 GPT-5.6 Sol 模型的 ARC-AGI-3 提高了 188%。IT之家注：ARC-AGI-3 由 ARC Prize 团队推出的全新交互式推理基准测试，是目前全球公认衡量 AI 通用智能（AGI）最严苛、最顶尖的交互式推理评测基准。该基准完全打破了传统 AI“做题”和知识问答的静态测试...</p>\n\n<a href=\"https://tech.ifeng.com/c/8vBTUYCvpBF\">网页链接</a>\n\n</div>\n\n\n</article>\n</div>\n</body>\n</html>\n","isBrief":false,"type":0,"news_type":1,"symbol":"ARTY","symbol_name":"ISHARES FUTURE AI & TECH ETF","start_time":0,"source_url":"https://tech.ifeng.com/c/8vBTUYCvpBF","article_id":"2655563573","we_media_id":null,"thumbnails":[],"rights":null,"url":"https://stock-news.laohu8.com/highlight/detail?id=2655563573","pubTimestamp":1785483342,"columns":[],"sourceInfo":{"source_id":"ifeng_tech","name":"凤凰网财经"},"weMediaInfo":null,"summary":"IT之家 7 月 31 日消息，OpenAI 公司今天发布公告，宣布通过改进框架，让 GPT-5.6 Sol 模型的 ARC-AGI-3 提高了 188%。在未调整优化前，GPT-5.6 Sol 在 ARC-AGI-3 基准测试中的得分为 7.8%，而 GPT-5.5 模型的得分只有 0.4%。这意味着 GPT-5.6 Sol 每执行 1 次动作后，都需要重新理解游戏。而在使用官方 harness 后，GPT-5.6 Sol 在 ARC-AGI-3 的得分为 13.3%；在启用推理保留和上下文压缩后，GPT-5.6 Sol 在 Token 输出数量降低至六分之一的同时，得分达到 38.3%，成绩增长 188.42%。","collect":0,"end_time":0,"defaultTopTitle":"ifeng.com","property":[],"viewcount":null,"language":"zh","relate_stocks":{"ARTY":"ISHARES FUTURE AI & TECH ETF","AGIX":"通用人工智能 ETF-AGIX","AIPO":"Defiance AI and Power Infrastructure ETF","LU0496367417.USD":"富兰克林黄金和贵金属A（acc）","GDXJ":"小型黄金矿业ETF(Market Vectors)","AGBK":"AGI","BK4143":"办公服务与用品","LU0498741114.HKD":"FRANKLIN GOLD & PRECIOUS METALS \"A\" (HKD) ACC","AGI":"Alamos Gold Inc","CHAT":"ROUNDHILL GENERATIVE AI & TECHNOLOGY ETF","QTOC":"Innovator Growth Accelerated Plus ETF - October","LU0055631609.USD":"贝莱德世界黄金基金A2","LU0368265764.SGD":"Blackrock World Gold Fund A2 SGD-H","BK4017":"黄金","GPT":"Intelligent alpha atlas ETF","BK4207":"综合性银行","VTHR":"Vanguard Russell 3000 ETF","LU0498741890.SGD":"FTIF - Franklin Gold and Precious Metals A (acc) SGD"},"translate_title":"Two OpenAI improvements give GPT-5.6 Sol 188% improvement on AI benchmark ARC-AGI-3","themeId":null,"isJumpTheme":false,"ttsUrl":null,"symbols_score_info":{"AIPO":1.5,"GDXJ":0.6,"CHAT":1.5,"AGI":1.5,"VTHR":1.5,"ARC":1.5,"ARTY":1.5,"AGBK":1.5,"GPT":1.5,"QTOC":1.5,"AGIX":1.5},"content_text":"IT之家 7 月 31 日消息，OpenAI 公司今天（7 月 31 日）发布公告，宣布通过改进框架，让 GPT-5.6 Sol 模型的 ARC-AGI-3 提高了 188%。IT之家注：ARC-AGI-3 由 ARC Prize 团队推出的全新交互式推理基准测试，是目前全球公认衡量 AI 通用智能（AGI）最严苛、最顶尖的交互式推理评测基准。该基准完全打破了传统 AI“做题”和知识问答的静态测试模式，将 AI 直接扔进一个完全陌生的“游戏环境”中，来评估其是否具备像人类一样的实时探索、学习与自适应能力。在未调整优化前，GPT-5.6 Sol 在 ARC-AGI-3 基准测试中的得分为 7.8%，而 GPT-5.5 模型的得分只有 0.4%。OpenAI 公司在复盘后发现，GPT-5.6 系列模型官方框架存在 2 个影响 GPT-5.6 Sol 表现的机制：第一，每次游戏动作后，私有推理都会被丢弃。这意味着 GPT-5.6 Sol 每执行 1 次动作后，都需要重新理解游戏。模型仍可看到过去动作记录和简短备注，但看不到促成这些动作的计划、洞察和思考过程。第二，官方框架采用滚动截断窗口。随着历史变长，较早动作会从上下文中消失。也就是说，GPT-5.6 Sol 不仅无法保留过去思考，也会丢失过去动作记忆。针对上述问题，OpenAI 提出了推理保留（inference preservation）和上下文压缩（context compression）两个解决方案。推理保留方面，OpenAI 使用 Responses API 重新实现 ARC-AGI-3 测试框架，对于 GPT-5.6，只需传入前一次 response ID，即可在工具调用和多轮交互中自动保留推理。OpenAI 表示在启用推理保留后，GPT-5.6 不必每轮重新解释游戏，从而减少每次动作前花在思考上的时间，模型保留过去想法后，更善于随时间学习，并采用更连贯的策略。在上下文压缩方面，官方 ARC-AGI-3 框架在对话上下文超过 175000 个字符后，会丢弃最早消息。OpenAI 称，滚动截断有 2 个缺点：模型会丢失早期观察和动作；模型在任务的大部分时间里会带着更满的上下文窗口运行，这可能轻微损害表现。启用上下文压缩后，GPT-5.6 Sol 在较长任务中更能保留对每个游戏的已学信息，并以更少输出 token 获得更高得分。而在使用官方 harness 后，GPT-5.6 Sol 在 ARC-AGI-3 的得分为 13.3%；在启用推理保留（inference preservation）和上下文压缩（context compression）后，GPT-5.6 Sol 在 Token 输出数量降低至六分之一的同时，得分达到 38.3%，成绩增长 188.42%。harness（常被称为驭缰工程）是指包在大模型外部、为其提供运行环境、工具集成、规则约束与反馈机制的整套系统架构。如果把强大的 AI 模型比作一匹充满力量但容易失控的烈马，那么 harness 就是它的缰绳、马鞍与骑手路线，不改变模型本身的架构，而是决定模型如何被安全、可靠地驾驭并真正完成复杂工作。","kind":"news","is_publish_news":true,"is_publish_highlight":false,"is_publish_live":false,"is_publish_wemedia":false,"editions":null,"column":"","sentiment":"2","news_tag":"","news_rank":0,"isVideo":false,"video":null,"symbols":[],"gpt_button":1,"need_auth":false,"need_login_tip":false,"code":"91000000","status":"200"},"commentList":[],"isCommentEnd":true,"newsSizeData":{"likeSize":0,"commentSize":0,"repostSize":0,"favoriteSize":0,"likeStatus":false,"favoriteStatus":false},"APP":{"userAgent":"Mozilla/5.0 AppleWebKit/537.36 (KHTML, like Gecko; compatible; ClaudeBot/1.0; +claudebot@anthropic.com)","isDev":false,"isTTM":false,"isLaohu8Offline":false,"tenantId":"TBCN","deviceId":"web-server-community-laohu8-v3","version":"4.50.0","shortVersion":"4.50.0","platform":"web","vendor":"web","appName":"laohu8","isIOS":false,"isAndroid":false,"isTiger":false,"isTHS":false,"isWeiXin":false,"isWeiXinMini":false,"isWeiBo":false,"isQQ":false,"isBaiduSwan":false,"isBaiduBox":false,"isDingTalk":false,"isToutiao":false,"isOnePlus":false,"isHuaWei":false,"isXiaomi":false,"isXiaomiWebView":false,"isOppo":false,"isVivo":false,"isSamsung":false,"isMobile":false},"href":"/m/news/2655563573","isCrawlerRequest":true}