Opus 5在ARC-AGI-3测试成绩30.2%，4倍领先于GPT-5.6 sol
内容提要
Claude Opus 5在ARC-AGI-3测试中得分30.2%，远超GPT-5.6 Sol的7.8%，并攻克五个难题，展现代数推理能力。尽管有质疑称其可能依赖循环框架取巧，但测试反映AI在抽象推理上的质变，虽离现实应用尚远，却标志智能突破的重要信号。
延伸解读
ARC-AGI-3测试的含金量
ARC-AGI-3测试旨在评估AI的抽象推理能力，要求模型面对全新图形规律进行举一反三，而非依赖训练数据中的模式。该测试被视为AI的“智商照妖镜”，因为传统模型在此类任务上表现不佳。Opus 5的30.2%得分虽仍远低于人类水平，但相比此前顶尖模型的个位数得分，已属显著突破，表明AI在未知问题处理上可能迈出了关键一步。
代数符号化推理的意义
Opus 5在解题过程中自发将图形规律转化为代数符号，如“4_center=2*axis-5_center”，这种能力此前仅在人类和少数高级动物中观察到。它意味着模型不再只是端到端的黑盒处理，而是能显式地构建推理链条，将视觉规律抽象为数学公式。这可能是AI从模式识别向规则发现和逻辑演绎转变的重要信号，尽管其实际应用仍有限。
关于循环框架的争议
有观点认为Opus 5的高分可能源于类似“Schema”论文中提出的循环框架，即通过外部循环让模型在内部进行试错，从而提高效率。但反对者指出，作为顶级商业模型，一周内集成新框架并上线不现实，且其API成本低于GPT-5.6 Sol，与循环框架的高成本矛盾。争议焦点在于分数是否“取巧”，但即便属实，也体现了工程能力的胜利。
测试成绩与现实应用的差距
尽管Opus 5在ARC-AGI-3上表现亮眼，但30.2%的得分仅相当于“小学奥数刚及格”，距离现实世界复杂任务仍有巨大鸿沟。不过，该测试考察的正是应对全新问题的能力，与现实工作中的未知挑战有相似之处。因此，成绩提升至少表明AI在处理未知问题上的基础能力在增强，但短期内尚不能期望其承担科研等高级任务。
Q&A
Claude Opus 5在ARC-AGI-3测试中的得分是多少？
Claude Opus 5在ARC-AGI-3测试中得分30.2%，是GPT-5.6 Sol得分7.8%的近四倍。
ARC-AGI-3测试是什么？
ARC-AGI-3是抽象推理语料库第三版，专门测试AI的举一反三能力，通过图形变化规律让AI预测下一张图，题目全新且不重复，旨在揭穿AI是否具备真正的推理能力。
为什么之前的AI模型在ARC-AGI-3上表现不佳？
因为传统AI本质上是模式匹配器，依赖训练数据，而ARC-AGI-3的题目都是全新的，无法从训练数据中找到相似内容，导致AI无法应对，这被称为推理鸿沟。
Claude Opus 5在测试中展现了什么特殊能力？
Opus 5在解决ar25环境时，自己将图形布局翻译成代数符号，展现了代数符号化的推理能力，即把视觉规律转化为数学公式，这是以前只在人类身上观察到的能力。
Claude Opus 5攻破了哪些关卡？
Opus 5攻破了五个之前无人能解的关卡，分别是ar25、ft09、lp85、r11l和s5i5，其中四个关卡的解题效率达到或超过人类平均水平。
关于Opus 5的高分，有哪些质疑和反驳？
质疑认为Opus 5可能依赖循环框架取巧，但反驳指出Opus是顶级商业模型，不可能一周内集成新框架，且其API成本更低，不符合循环框架高成本的特点，同时ARC-AGI-3有严格评判标准，不易作弊。
Opus 5的测试成绩对现实应用有何意义？
虽然30.2%的得分离现实应用尚远，但测试能力的提升表明AI在处理未知问题时的底子在变好，可能正在突破只能当超级复读机的天花板，开始在抽象思维上迈步。
