Prime Agent开源框架让AI学会自己改自己，ARC-AGI-3冲上95.5%

AI考了个95.5分，比人类专家还高，但你猜怎么着？出题人慌了。 ARC-AGI-3这个专门用来考AI抽象推理的魔鬼测试，之前把各路大模型按在地上摩擦。GPT-5.6 Sol只有7.8%，Claude Opus 4.8只有1.5%。然后Prime Agent拿着Claude Opus 5跑出了95.5%，比人类专家基线95.4%还高一丢丢。但真正让人后背发凉的不是这个分数，是它怎么拿到的。...