GPT-6把AI考卷刷爆，考官被迫出题：下一关考发明

AI把考卷刷到接近满分之后，下一张考卷，还能考什么？这个问题，现在成了AI圈最热闹的悬案。

起因是GPT-6 Astra在ARC-AGI-3这个半私有测试集上，拿下了99.9%的成绩。OpenAI官方的说法很拽：已经完全“饱和”了。

不知道的以为AI真把逻辑推理练到头了，懂的都知道——这里面水很深。

ARC-AGI是专门用来测“泛化能力”的标杆测试，前两代的核心就俩字：看图找规律。给AI几组“输入→输出”的小方格图，让它猜规则，再画出新一组的输出。到了三代，GPT-6 Astra直接被丢进一个游戏世界，1000多个关卡里自己玩、自己试、自己找规则，96%的关卡用比人类中位数更少的步数完成任务。

ARC Prize的评价是“阶跃式的能力变化”——顺带补了一句刺耳的：基准饱和，并不等于证明了AGI。但真正的好戏在后面：GPT-6 Astra的99.9%，不是靠“更聪明”刷出来的，而是靠一个叫Provider Adapter的东西。同一套权重、同一组题目，标准测试框架下只有62.7%，接入适配器后飙到99.9%——差了36个百分点。Claude Opus也从30%能到95.5%。

原来榜单上的“分数大战”，有相当一部分比的是“谁的架子搭得好”，不是“谁脑子更好使”。

于是争论彻底跑偏了：从“哪家模型泛化能力更强”，变成“哪个harness更公平”。ARC-AGI-3的“饱和”，更像是一场评测工程学事件。也正是因为这样，ARC Prize创始人François Chollet掏出了下一代的蓝图。

ARC-AGI-4，明年Q1如期登场，主打更长尺度下的持续学习与课程学习。真正重磅的，是被他形容为“人类最后考卷”的ARC-AGI-5——核心就俩字：发明。开放式发明，让AI自己提出新的任务、新的规则、新的解法。

Chollet甚至放话：当AI的学习效率与人类再无客观测量差距时，那便是真正的AGI时刻。他还补了一句更狠的：ARC系列考题，大概在第6、7代就终结了。

考“找规律”，AI已经卷到近乎满分；下一步考“发明”，等于把天花板直接掀了。

说句心里话，这个节点挺有象征意义的——当评测标准都要为AI重写一遍的时候，说明AI的能力真的已经跨过了某个拐点。对我们普通开发者和内容创作者来说，这个拐点意味着：你手里那套“用AI干活”的方式，很快又会过时。

这种时候，最忌讳的就是把自己锁死在某一个模型上、某一个固定配置里。我现在的做法是，把鸡蛋放在“一个随时能切换的篮子”里——用 aadclaw.com 这类大模型API中转，Claude倍率1、官方原价1.5折，Claude、GPT、Gemini、DeepSeek全在一个入口，注册充值一下随时切过去。

说到底，AI能刷到99.9%是它的事；你能不能一直用上最好用的那个，是你的事。下一个考“发明”的考卷，AI能不能答出来，咱们拭目以待。

你觉得AI离“真正的发明”还差多远？评论区聊聊。顺手点个“在看”，见证这场考卷重写的历史。