the agi index
99
時間地平線
四項指標
arc-agi-2
gpqa diamond
swe-bench verified
metr horizon
門 4/7
✓ 新異推理 ≥ 人類平均
✓ 電腦操作 ≥ 人類基線
✓ 8 小時自主
✓ 工程 ≥ 90%
○ 同行評審發現
○ 經濟替代
○ 互動式代理推理 ≥ 人類 (arc-agi-3)
方法與注意事項
每根條:已知最強模型 ÷ 其人類參照,封頂 100,等權重,取平均。hle 無人類基準,排除。arc-agi-2 的"到門檻"是公開集數字;真正的門是隱藏集 85%。swe-bench 採用標準化鷹架分數,不用自報數。時間地平線的點是 opus 4.6,2026 年 2 月,在 metr 可靠範圍內;超過 16 小時的新點以空心標示。基準會飽和並被替換:替換時在此公告,舊序列帶斷點存檔。arc-agi-3 更新:astra 在 standard harness 下 62.7%(provider adapter 下 99.9%——harness 不同,分數不同)。