同一個測試,OpenAI 上一代模型攞 7.8 分。今次呢個攞 99.9
星期四 OpenAI 出咗 GPT-6 Astra。賣點唔係佢答得幾好,係佢識用你部電腦⋯自己開瀏覽器、揀 cell、填表、跨幾個 app 由頭做完一份嘢。Greg Brockman 收場嗰句係:「Welcome to the AGI era.」
星期二我喺呢度寫過,OpenAI 靜靜雞掃咗幾萬部 Mac mini,攞嚟練 computer-use agent。嗰批機練緊嗰樣嘢,星期四出咗街。
嗰個 7.8 對 99.9 係 ARC-AGI-3⋯專考一個模型跌落個從未見過嘅環境,冇人教,自己摸索出點玩。同場 Claude Opus 5 攞 30.2%。一代之間由 7.8 跳到 99.9,呢種幅度我近年真係未見過。
但同一日仲有另一半,冇乜人 quote。
喺 ExploitBench⋯考佢識唔識將一個已知漏洞整成一個真係行得通嘅攻擊⋯Astra 攞 100%。所以今日出街嗰個版本,會拒絕做進階網絡安全任務,譬如幫你寫 proof-of-concept exploit。呢部分要行佢哋個 Daybreak 計劃,審批過先逐步放寬。
一代之間由 7.8 跳到 99.9,呢種幅度我近年真係未見過。
同一日,佢哋講咗兩句嘢。
第一句係「我哋入咗 AGI 時代」。第二句係「呢部分能力唔可以隨便畀人」。
第一句係形容詞,講完唔使畀錢。第二句係一個要落閘、要推走生意嘅決定。要我揀邊句代表佢哋自己真係信乜,我揀第二句。
要打嘅折照講:
・全部係 OpenAI 自己報嘅數,未經第三方覆核。ARC-AGI-3 嗰個 99.9,係用佢哋自己個 API harness 跑,改咗兩個設定。
・同一張表再落幾行有個數字冇人講:換咗做六月到八月先出現嘅新漏洞,同一個模型由 100% 跌到 39%。攞 100 分嗰批,係做熟咗嘅書。
・Brockman 原話冇標題咁硬。佢講嘅係:「而家覺得我哋已經身處 AGI 時代,唔算離譜。」
・今日淨係少數機構有得用。Plus / Pro / Business / Enterprise 未來幾日先陸續開。
即係話,「AGI 時代」呢句嘢,係喺絕大部分人有得親手試之前講出口嘅。
