the agi index
99
时间地平线
四项指标
arc-agi-2
gpqa diamond
swe-bench verified
metr horizon
门 4/7
✓ 新异推理 ≥ 人类均值
✓ 计算机操作 ≥ 人类基线
✓ 8 小时自主
✓ 工程 ≥ 90%
○ 同行评审发现
○ 经济替代
○ 交互式智能体推理 ≥ 人 (arc-agi-3)
方法与注意事项
每根条:已知最强模型 ÷ 其人类参照,封顶 100,等权重,取平均。hle 无人类基准,排除。arc-agi-2 的"到门槛"是公开集数字;真正的门是隐藏集 85%。swe-bench 采用标准化脚手架分数,不用自报数。时间地平线的点是 opus 4.6,2026 年 2 月,在 metr 可靠范围内;超过 16 小时的新点以空心标示。基准会饱和并被替换:替换时在此公告,旧序列带断点存档。arc-agi-3 更新:astra 在 standard harness 下 62.7%(provider adapter 下 99.9%——harness 不同,分数不同)。