opus 5如何利用原生代数碾压arc-agi-3纪录

Anthropic 的 Claude Opus 5 在 ARC-AGI-3 基准测试中得分 30.2%，击败了 OpenAI 的 GPT-5.6 Sol 记录的 7.8%。该模型表现出诸如将任务转换为代数符号和制定反射方程以解决五个以前未解决的环境等新行为。ARC Prize 认为这种领先是由于真正更好的逻辑推理能力，使在不熟悉的环境中自主规划成为可能。然而，Guanghan Ning 的 Witness 基准测试的独立测试显示 Opus 5 与 Fable 5 等竞争对手不相上下，表明其在特定领域的增益有限。开发人员应该关注这种原始推理能力在生产环境中是否能够持续，或者它是否仅仅反映了有针对性的强化学习。