[Greg Kamradt] OpenAI 的 GPT-6 Astra 如何在 ARC-AGI-3 上刷到 99.9%

🧠 当AI走进一个没有说明书的小世界，真正被考验的，不是它会不会回答，而是它能否在行动中长出“理解”。

本期解读 ARC Prize 联合创始人 Greg Kamradt 对 OpenAI GPT-6 Astra 的观察：在 ARC-AGI-3 中，它以 99.9% 的成绩逼近饱和，更在 96% 的关卡里，用少于普通人中位数的动作抵达终点。

但数字背后藏着更深的分界线：同一个模型，在不同 harness 中从 62.7% 跳至 99.9%。能力或许从来不只是模型本身，而是模型如何保存过去、压缩经验、把观察锻造成可执行的因果结构。

智能，不只是找到答案；而是知道为了理解世界，哪些行动根本不必发生。

Astra 会临时发明符号语言，搭建状态模型，甚至在沙箱中为迷宫、巡逻与战斗写出自己的工具。它像是在证明：推理的下一层，不是更长的语言，而是更稳定的世界。

这不是 AGI 的宣言。封闭、确定、目标清晰的游戏世界，仍远小于现实。但一扇门已经被推开：当机器开始高效地从陌生中学习，我们究竟还要如何定义“理解”？

原文链接：arcprize.org

发布时间：2026-09-03