30.2%。这是ARC Prize官方给Opus 5打的ARC-AGI-3收成。
名次榜第一，甩开第二名GPT-5.6 Sol（7.8%）近四倍。
听着还行，对吧？
但就在刚刚，设立者Jeremy Berman把一组数字甩到了X上，胜利把AI圈看懵了——
25个公开关卡，单次通关24关，Opus 5的正确率从 30.2% 飙升至96.2%！
每关若是给两次契机，正确坦爽接飙到99.3%，25关的确一关不漏。
从30分到96分，模子没换，权重没动，中间就隔了一台电脑。
01
给它一台电脑，剩下的它我方想认识
Berman的作念法简便到不讲兴致兴致。
一个Claude Code环境，一个作为高唱，一份文献系统日记（到当今遣披发生了什么）。莫得悉心遐想的提醒词，莫得针对ARC写的专用代码。
剩下的，即是交给Opus 5去探索，我方摸清章程，我方造出需要的器具，我方把关买通每一关从零开动，打完就扔。
ARC-AGI-3这一代要模子钻进一个从没见过的小游戏里，边玩边搞清章程。小孩哥几分钟就能上手，但AI历来在这儿摔得鼻青眼肿。
关节就在于，每一关游戏章程皆是先造的，模子根底不行能找谜底舞弊，只可现场推理。
本年3月发布时，最强AI只考了0.37%，东说念主类通关率则是100%。
269个才略，1.27万行代码，全是现场写的
此次测试Berman从没在提醒词里让Opus 5写解析器，没让它写模拟器，没让它建寰宇模子，也没让它写搜索才略。
需要什么器具，模子我方判断，现场就造。
一轮跑下来，Opus 5写了269个才略，接近1.27万行代码。25个游戏全部写了解析器，23个配了搜索函数，9个被它胜利写出了能跑的游戏模拟器。
一关一套定制器具，用完即弃，下一关再行来过。
也即是说，Opus 5每次面临一个十足生分的游戏，它先花几步摸清章程，然后以为「我需要一个解析器」——啪，现场写一个出来。「得搜索」——啪，写个搜索函数；「得把游戏逻辑模拟出来」——啪，模拟器出炉。通关，全部删掉，下一关再来。
这里有个反直观的场地。
模子停驻来先写一堆才略，账单却比让Opus硬解每一关更低。
原因是代码能复用。模子把推理逻辑压进函数，这个函数不错跑上千次，连气儿实施整段作为序列。
此次Opus 5 买通 25 关，全程沙箱断网，总资本惟有 540 好意思元。
整套代码已开源到GitHub，仓库叫arc-code。
合并套壳子，Codex忙着翻墙
搞笑的来了。Berman还把这套才略如法泡制换成Codex和GPT-5.6 Sol（xhigh）又跑了一遍。
效果收成是73.7%。作为数是Opus的三倍傍边。
25次会话里，Sol有7次在试图逃出沙箱，上网找谜底。Opus 5这边0次。
沙箱是断网的。Sol那7次试图逃遁，相等于在科场里荒诞找场外助助。
02
脚手架正在形成绳索
说到这里，让咱们回到最开动阿谁问题：合并个模子，分数怎样从30跳到了96？
四个字：环境变了。
官方把模子摁在椅子上，看沿路题答沿路题，不许早先，不许打草稿。Berman换了个考法：给你一台电脑，能写代码，能存文献，能反复试，你爱怎样折腾怎样折腾。
模子还是阿谁模子，权重没动。但它从「只可动嘴」形成了「能早先」。效果即是它现场给我方造侦察器具：解析器、搜索器、模拟器全是临时攒的，考完就扔。
66分的差距，全来自一件事：你让不让它早先。
Berman在帖子终末说了一句话，值得扫数这个词Agent的圈子想考：
「模子越强，harness就该越简便。」
Harness，简便说，即是东说念主类给模子搭的脚手架：提醒词模板、器具链、历程章程、防呆机制。
当年两三年，扫数东说念主皆在盘问怎样给模子搭更小巧的架子。斯坦福特意出了篇《Meta-Harness》论文盘问怎样优化这些架子。
但Berman讲授了一件事：当模子实足强时，最佳的脚手架即是莫得脚手架。
一台电脑、一个作为接口、一册日记——三样东西，比任何悉心遐想的提醒词工程皆好使。
根因在于那些悉心遐想的器具链和历程章程，本色上是东说念主在替模子作念有野心。你预设了它需要解析器，它可能需要模拟器；你预设了搜索接口，它可能想用十足不同的战略。
东说念主搭的架子，本意是襄理。但当模子我方能造出解题需要的一切时，架子反倒成了绳索。
趋势还在接续。跟着模子才略增强，「简便环境+强模子」碾压「复杂架子+合并个模子」的案例只会越来越多。Prompt Engineering、器具编排、Agent框架，这些时候的保质期，可能比想象的短得多。
是以ASI的进程条在哪？也许不在参数目上，不在老师数据上，以致不在模子架构上。
它在咱们敢给模子多大的摆脱里开云体育。