GPT-6 Astra 在 ARC-AGI-3 获 SOTA，Brockman 称基准饱和

OpenAI 发布 GPT-6 Astra，在 FrontierMath Tier 4、ARC-AGI 3、TerminalBench-4.0 上达到 SOTA，并在 Terminal-Bench Science 0.1 和 HealthBench Pro 上取得领先。Greg Brockman 转发 @arcprize 评测，称 GPT-6 Astra 在 ARC-AGI-3 上取得 SOTA，标准 harness 得分 63%，新 Provider Adapter harness 达 99%，在 96% 关卡上超越人类表现；更高推理层级通常成本更低。

GPT-6 Astra 在多个人工智能基准（含 ARC-AGI-3，一项评估通用推理的任务）上达到领先水平，且在特定 harness 上接近满分，表明模型推理能力显著提升；同时推理层级与成本的关系出现反转：更高推理反而更便宜，这为 AI 产品的推理成本模式带来新变量。

ARC-AGI-3 基准旨在测试跨任务的抽象推理能力，其饱和意味着模型在该领域已接近上限。新 harness 通过 Provider Adapter 优化推理流程，使模型用更少动作通关，减少模型调用和 token 数，因而更高推理层级成本更低。这表明成本优化与性能提升可以同时实现，推理效率成为竞争关键。

若 GPT-6 Astra 可通过 API 使用，其推理效率提升意味着高难度任务成本可能下降，促使产品可集成更强推理能力而不显著增加预算。同时，ARC-AGI-3 饱和提示纯粹能力竞赛边际收益递减，产品团队应更关注特定场景的适配与推理效率优化，而非单纯追求基准数字。

• 评估现有推理密集型功能（如代码生成、数据分析）迁移到 GPT-6 Astra 的成本节省与性能提升。
• 利用更高推理层级成本反转特性，为用户提供更高质量推理选项而不明显提高费用，以增强付费转化。
• 开发基于 ARC-AGI-3 类推理能力的差异化功能，如复杂问题分解与求解，强调其在现实任务中的表现。

• GPT-6 Astra 的公开 API 定价和访问方式尚未披露。
• Provider Adapter harness 的细节（如适用范围、对通用任务的影响）未被证据充分说明。
• 其他模型（如 DeepSeek）在 ARC-AGI-3 上的具体表现未知，难以评估相对差距。
• 证据来源为官方或第三方评测，独立验证程度未知。