GPT-6.2 Astra sai ARC-AGI-3:ssa harnessista riippuen parhaimmillaan 70,3 % tai 100 %
OpenAI:n GPT-6.2 Astra sai ARC Prizen varmentamissa ARC-AGI-3-tuloksissa parhaimmillaan 70,3 %, kun se sai kuljettaa mukanaan itse valitsemiaan muistiinpanoja. Kun harness säilytti mallin päättelytilan pyyntöjen välillä, paras tulos oli 100 %.
ARC Prize julkaisi tulokset 17. marraskuuta, samana päivänä kun OpenAI toi mallin saataville. ARC-AGI-3 on vertailutesti, jossa tekoälyagentti etenee peliympäristöissä. Agentin toimintaa ohjaa harness eli ohjelma, joka antaa mallille työkalut ja ajaa sen työvaiheet.
ARC Prize testasi mallia kahdella harnessilla. Vakioharnessissa (Standard) malli saa säilyttää muistiinpanoja, jotka se itse valitsee. Provider Adapter -harness säilyttää mallin läpinäkymättömän päättelytilan pyyntöjen välillä ja tiivistää pitkät keskustelut. ARC Prizen mukaan malli voi näin hyödyntää aiempaa työtään uudelleen.
Taulukossa ovat ARC-AGI-3:n varmennetut tulokset päättelytasoittain.
| Päättelytaso | Vakioharness | Provider Adapter |
|---|---|---|
| Max | 70,3 % | 99,8 % |
| XHigh | 56,5 % | 100,0 % |
| High | 58,0 % | 99,8 % |
| Medium | 44,0 % | 97,8 % |
| Low | 38,7 % | 95,1 % |
Lähde: ARC Prize, varmennetut tulokset 17.11.2026.
Max-tasolla ero on 29,5 prosenttiyksikköä, muilla päättelytasoilla 42–56 prosenttiyksikköä. Yksittäinen ARC-AGI-3-luku ei siis kerro mallin kyvystä ilman tietoa käytetystä harnessista. Vakioharnessilla tulos ei myöskään noussut tasaisesti päättelytason noustessa: XHigh jäi High-tasoa heikommaksi.
Ero näkyy myös 25 julkisessa demoympäristössä, joista ARC Prize kertoo pelikohtaiset tulokset. BP35-pelissä malli sai max-tasolla vakioharnessilla 2,2 % ja Provider Adapter -harnessilla 100 %.
Vanhemmissa ARC-AGI-1- ja ARC-AGI-2-testeissä malli sai parhaat tuloksensa max-päättelytasolla: 98,5 % ja 95,8 % ARC Prizen julkaisemattomalla (semi-private) testijoukolla.
OpenAI neuvoo GPT-6.2-mallien käyttäjiä pitämään kehotteen alun ennallaan ja lisäämään uudet ohjeet keskustelun loppuun. Yhtiön mukaan näin välimuistia voi hyödyntää paremmin, kustannuksia ja viivettä voi pienentää ja päättely säilyy vuorojen välillä.
GPT-6.2 Astra on OpenAI:n rajapinnassa nimellä gpt-6.2-astra. Miljoona syötteen tokenia maksaa 8 $ ja miljoona tuotoksen tokenia 40 $. ChatGPT:n Plus-, Pro-, Enterprise- ja Edu-käyttäjät saavat mallin ChatGPT Workiin ja Codexiin; kelpoisille Enterprise- ja Edu-käyttäjille se avautuu, kun työtilan ylläpitäjä ottaa sen käyttöön. AWS:n mukaan malli on saatavilla myös Amazon Bedrockissa.
Lue lisää: Mallit