arcagi

Con el mismo modelo, cambiar el «entorno de prueba» puede variar la puntuación en 37 puntos: ¿cómo interpretar el 99,9 % de GPT-6 Astra?

· Blog oficial de ARC Prize: GPT-6 Astra obtuvo un máximo del 62,7 % en el conjunto semiprivado de ARC-AGI-3 con el Standard harness neutral (nivel max; coste de unos 26.000 dólares); con el Provider Adapter harness, que conserva el estado de razonamiento opaco de OpenAI y la compresión del contexto, llegó al 99,9 % (nivel high; unos 19.000 dólares)
· Ambas puntuaciones son SOTA certificadas por ARC Prize, pero se etiquetan por separado y no son intercambiables; con Adapter, la velocidad fue unas 3,66 veces mayor y se usaron un 49 % menos de tokens (ARC Prize)
· Algunos medios (como Startup Fortune) lo titularon «el 99,9 % fue declarado inválido», pero eso no es lo que dice el texto original de ARC; por su parte, la evaluación de AGI Society considera que las pruebas disponibles aún no bastan para demostrar que Astra haya alcanzado la AGI

【Opinión】
La verdadera noticia no es «quién hizo trampa», sino que el entorno y la gestión del contexto pueden aportar casi 40 puntos. A medida que las capacidades de los modelos se aproximan, las puntuaciones dependen cada vez más del entorno de ingeniería. Esto enfriará el marketing del tipo «la AGI ya llegó», pero también demuestra que los marcos de agentes y la gestión del estado de razonamiento serán la verdadera ventaja competitiva de la próxima etapa, lo que favorece a quienes venden capacidad de cómputo e infraestructura para agentes.

【Oportunidades/riesgos】
· Presta atención a los ingresos de la nube de IA y a las previsiones de capex en los resultados de Microsoft y Google del 28/10 y de Amazon del 29/10: aquí se verá si el relato de la IA puede seguir vivo
· Las criptomonedas vinculadas a la IA (como $FET $RENDER ) son muy sensibles a titulares sobre la «AGI»; cuidado con el riesgo de que caigan después de subidas impulsadas por titulares sensacionalistas
· En adelante, cada vez que veas una puntuación de un modelo, pregunta primero: ¿qué harness se usó y cuánto costó?

¿Te convence más el 62,7 % de la prueba neutral o el 99,9 % con el entorno del proveedor? Hablemos en los comentarios.

#AI #GPT6 #ARCAGI #AI代理 #Temporada de resultados de acciones estadounidenses
Solo con fines informativos; no constituye asesoramiento de inversión