何恺明团队提出视觉原生框架VISTA，使多模态模型能直接保存原始画面，并在推理时随时回看、放大和检查细节，无需重新训练。在该框架下，Claude Opus 5.0通关ARC-AGI-3全部25个公开游戏，动作效率得分满分100，动作数比人类基线少57.4%；GPT-5.6 Sol同样全部通关，得分99。团队还在浏览器游戏、迷宫和连线题中验证了该方法，并将具身任务列为后续方向。