先了解这件事
2026年10月16日,Ethan Mollick 提出判断:harness 加上更强的模型正在终结最后几个知名的困难基准。他称模型现在能持续工作极长时间(METR Long Tasks)、能输出数学正确的专业文档(GDPval),也能解决复杂的新颖谜题(ARC-AGI-3)。他引用 ARC Prize 数据称,Google 的 Gemini 4 Argon 在 ARC-AGI-3 上以 provider adapter harness 取得 97.5%、成本 4.8K 美元,标准 harness 下为 49.8%、成本 5.8K 美元;ARC-AGI-2 为 91.3%、每任务 0.32 美元,ARC-AGI-1 为 98.5%、每任务 0.16 美元,Google DeepMind 是第二个在 ARC-AGI-3 上超过 95% 的前沿实验室。目前尚无后续发展事实。
AI 根据公开报道生成
最新进展 · 正式报道
Ethan Mollick：harness 加聪明模型让最后几个知名硬基准走向终结事件进展
1 个已确认进展
- 来源：Ethan Mollick
报道与讨论时间线
按时间查看正式报道与传播讨论；两类内容的证据等级保持独立。
10月16日
Ethan Mollick
Ethan Mollick：harness 加聪明模型让最后几个知名硬基准走向终结
Ethan Mollick 认为，harness 加上更强的模型正在终结最后几个知名的困难基准：模型现在能持续工作极长时间（METR Long Tasks）、能输出数学正确的专业文档（GDPval）、也能解决复杂的新颖谜题（ARC-AGI-3）。他引用 ARC Prize 的数据称，Google 的 Gemini 4 Argon 在 ARC-AGI-3 上以 provider adapter harness 取得 97.5%、成本 4.8K 美元，标准 harness 下为 49.8%、成本 5.8K 美元；ARC-AGI-2 为 91.3%、每任务 0.32 美元，ARC-AGI-1 为 98.5%、每任务 0.16 美元，Google DeepMind 是第二个在 ARC-AGI-3 上超过 95% 的前沿实验室。