IT之家 3 月 25 日消息，Arc Prize 基金會是一家由知名人工智慧研究員弗朗索瓦・肖萊（François Chollet）共同創立的非營利組織，該基金會於本週一在其博客上宣佈推出一個名為 ARC-AGI-2 的全新測試，旨在衡量領先人工智慧模型的通用智能水準。這項測試的難度極高，截至目前，大多數 AI 模型都在該測試中表現不佳。

根據 Arc Prize 排行榜的數據顯示，以推理能力著稱的 AI 模型，如 OpenAI 的 o1-pro 和 DeepSeek 的 R1，在 ARC-AGI-2 測試中的得分僅為 1% 至 1.3%。而包括 GPT-4.5、Claude 3.7 Sonnet 和 Gemini 2.0 Flash 等強大的非推理型模型，得分也僅在 1% 左右。

ARC-AGI 測試由一系列類似謎題的問題組成，要求 AI 從一組不同顏色的方塊中識別出視覺模式，並生成正確的“答案網格”。這些問題的設計旨在迫使 AI 適應其未曾見過的新問題。為了建立人類基線，Arc Prize 基金會邀請了超過 400 人參加 ARC-AGI-2 測試。平均而言，這些參與者組成的“小組”能夠正確回答測試中 60% 的問題，這一成績遠遠超過了任何 AI 模型的得分。

在 X 平臺上，肖萊表示，ARC-AGI-2 測試比之前的 ARC-AGI-1 測試更能準確衡量 AI 模型的實際智能水準。Arc Prize 基金會的測試旨在評估 AI 系統是否能夠在訓練數據之外高效地獲取新技能。

肖萊指出，與 ARC-AGI-1 不同，新的 ARC-AGI-2 測試防止了 AI 模型依賴“蠻力”—— 即大量的計算能力 —— 來尋找解決方案。他此前曾承認，這是 ARC-AGI-1 的一個主要缺陷。為了彌補這一缺陷，ARC-AGI-2 引入了一個新的指標：效率。它還要求模型實時解讀模式，而不是依賴記憶。

“智能不僅僅是解決問題或取得高分的能力，”Arc Prize 基金會聯合創始人格雷格・卡姆拉德（Greg Kamradt）在其博客中寫道，“這些能力的獲取和部署效率是至關重要的決定性因素。我們提出的核心問題不僅僅是‘AI 能否獲得解決任務的技能？’，還包括‘以何種效率或代價？’”

ARC-AGI-1 在大約五年內無人能敵，直到 2024 年 12 月，OpenAI 發佈了其先進的推理模型 o3，該模型超越了所有其他 AI 模型，並在評估中達到了人類水平的表現。然而，正如當時所指出的，o3 在 ARC-AGI-1 上的性能提升是以高昂的成本為代價的。

OpenAI 的 o3 模型（低配版）—— 第一個在 ARC-AGI-1 上取得突破的版本，在該測試中得分高達 75.7%，但在 ARC-AGI-2 測試中，即使使用價值 200 美元的計算能力，其得分也僅為 4%。

ARC-AGI-2 的推出正值科技行業許多人呼籲需要新的、未飽和的基準來衡量 AI 進展之時。Hugging Face 聯合創始人湯瑪斯・沃爾夫（Thomas Wolf）最近在接受 TechCrunch 採訪時表示，AI 行業缺乏足夠的測試來衡量所謂的通用人工智慧的關鍵特質，包括創造力。

與此同時，Arc Prize 基金會還宣佈了 2025 年 Arc Prize 競賽，挑戰開發者在 ARC-AGI-2 測試中達到 85% 的準確率，同時每項任務的花費不超過 0.42 美元（IT之家注：現匯率約合 3 元人民幣）。