arcagi

Одна и та же модель, но разные «тестовые оболочки» — разница в 37 пунктов: как понимать 99,9% GPT-6 Astra?

· Официальный блог ARC Prize: на полу-приватном наборе ARC-AGI-3 GPT-6 Astra показала максимум 62,7% с нейтральным Standard harness (режим max, стоимость около $26 тыс.) и максимум 99,9% с Provider Adapter harness, сохраняющим непрозрачное состояние рассуждений OpenAI и сжимающим контекст (режим high, около $19 тыс.)
· Оба результата сертифицированы ARC Prize как SOTA, но отмечаются отдельно и не взаимозаменяемы; с Adapter скорость примерно в 3,66 раза выше, а токенов требуется на 49% меньше (ARC Prize)
· Некоторые СМИ (например, Startup Fortune) написали, что «99,9% признали недействительными», но в официальном тексте ARC этого нет; по оценке AGI Society, имеющихся данных пока недостаточно, чтобы утверждать, что Astra достигла AGI

【Мнение】
Главная новость не в том, «кто подтасовал результаты», а в том, что оболочка и управление контекстом сами по себе могут дать почти 40 пунктов. Возможности моделей становятся всё ближе, а результаты тестов всё больше зависят от инженерной среды. Это охладит маркетинг в духе «AGI уже наступил», но одновременно показывает, что фреймворки для агентов и управление состоянием рассуждений станут настоящим конкурентным преимуществом на следующем этапе. Это играет на руку тем, кто продаёт вычислительные мощности и инфраструктуру для агентов.

【Возможности и риски】
· Следите за отчётами Microsoft и Google за 10/28 и Amazon за 10/29: важны доходы от AI-облака и прогнозы по капитальным затратам — от этого зависит, сможет ли AI-нарратив продолжиться
· Криптовалюты, связанные с AI (например, $FET $RENDER ), чувствительны к заголовкам про «AGI»; стоит учитывать риск отката после роста на сенсационных новостях
· В следующий раз, увидев результаты тестирования модели, сначала спросите: какой harness использовался и сколько это стоило?

Каким результатам вы доверяете больше: 62,7% в нейтральном тесте или 99,9% в среде производителя? Обсудим в комментариях.

#AI #GPT6 #ARCAGI #AI代理 #Сезон_отчётности_американских_компаний
Только для справки, не является инвестиционной рекомендацией