Greg Brockman 转发了 @arcprize 的评测，并称 OpenAI 的 GPT-6 Astra 已在 ARC-AGI-3 上达到 SOTA（当前最优），该基准正趋于饱和。采用标准 harness 时，Astra 得分为 63%；改用新的 Provider Adapter harness 后达到 99%，并在 96% 的 ARC-AGI-3 关卡上超过人类表现。排行榜图还显示，更高推理层级的成本通常反而更低，因为 Astra 能以更少动作通关，从而减少模型调用量和 token 消耗。
GPT-6 Astra 在 ARC-AGI-3 达 SOTA，Greg Brockman 称基准已饱和
OpenAI 的 GPT-6 Astra 在 ARC-AGI-3 上达到 SOTA。标准 harness 得分 63%，新的 Provider Adapter harness 下达 99%，并在 96% 的关卡上超越人类表现。Greg Brockman 称该基准已饱和。更高推理层级通常成本更低，因为 Astra 动作更少，模型调用和 token 消耗更少。
对 FDE 而言，这一结果说明同一模型在不同 harness 或适配层下的表现差异巨大，企业交付时不能只看模型本身，还必须重视集成与适配层。同时，更高推理层级反而降低成本，意味着 FDE 在设计 Agent 方案时，应把推理层级、动作路径和成本放在一起优化，以更少调用完成任务。