arcagi

Cùng một mô hình, đổi “harness thử nghiệm” là điểm số chênh 37 điểm: nên hiểu con số 99,9% của GPT-6 Astra thế nào?

· Blog chính thức của ARC Prize: GPT-6 Astra đạt tối đa 62,7% trên tập bán riêng tư ARC-AGI-3 khi dùng Standard harness trung lập (mức max, chi phí khoảng 26.000 USD); khi dùng Provider Adapter harness giữ lại trạng thái suy luận không minh bạch của OpenAI và nén ngữ cảnh, mô hình đạt tối đa 99,9% (mức high, khoảng 19.000 USD)
· Cả hai điểm số đều là SOTA được ARC Prize chứng nhận, nhưng được ghi nhãn riêng và không thể hoán đổi cho nhau; với Adapter, tốc độ nhanh hơn khoảng 3,66 lần và số token ít hơn 49% (ARC Prize)
· Một số hãng truyền thông (như Startup Fortune) viết rằng kết quả “99,9% bị tuyên bố vô hiệu”, nhưng bài viết gốc của ARC không nói như vậy; trong khi đó, đánh giá của AGI Society cho rằng bằng chứng hiện có vẫn chưa đủ để kết luận Astra đã đạt AGI

【Quan điểm】
Tin tức thực sự không phải là “ai gian lận”, mà là: bản thân harness/quản lý ngữ cảnh có thể đóng góp gần 40 điểm. Năng lực các mô hình ngày càng tiệm cận nhau, còn điểm benchmark ngày càng phụ thuộc vào môi trường kỹ thuật. Điều này sẽ hạ nhiệt kiểu tiếp thị “AGI đã xuất hiện”, nhưng cũng cho thấy khung agent và quản lý trạng thái suy luận là lợi thế cạnh tranh cốt lõi thực sự ở giai đoạn tiếp theo; đây là tin tốt cho các bên bán năng lực tính toán và hạ tầng agent.

【Cơ hội/Rủi ro】
· Theo dõi doanh thu điện toán đám mây AI và định hướng capex trong báo cáo tài chính ngày 10/28 của Microsoft, Google và ngày 10/29 của Amazon; câu chuyện AI có thể tiếp tục hay không phụ thuộc vào đây
· Coin chủ đề AI (như $FET $RENDER ) rất nhạy với các tiêu đề kiểu “AGI”; cần đề phòng rủi ro tăng giá theo những tiêu đề giật gân rồi giảm trở lại
· Từ nay, khi xem điểm benchmark của bất kỳ mô hình nào, hãy hỏi trước: dùng harness nào và tốn bao nhiêu tiền?

Bạn tin con số 62,7% từ bài kiểm tra trung lập hơn, hay 99,9% trong môi trường của nhà cung cấp? Cùng thảo luận ở phần bình luận.

#AI #GPT6 #ARCAGI #AI代理 #Mùa_báo_cáo_tài_chính_Mỹ
Chỉ nhằm mục đích tham khảo, không cấu thành lời khuyên đầu tư