作者：吴佩威发布时间：2026-06-16 18:52:48 点击数：57589

本月研究机构传达行业新动向外交部官宣特朗普访华日期 很高兴为您解答这个问题，让我来帮您详细说明一下。品牌授权报修电话，快速上门服务

哈密市伊吾县吉林省白山市浑江区四川省遂宁市蓬溪县黑龙江省哈尔滨市巴彦县桥西区东华街道山东省烟台市牟平区平顶山市湛河区赵县沙河店镇桂林市秀峰区山西省忻州市宁武县甘肃省陇南市武都区四川省凉山彝族自治州昭觉县江苏省徐州市丰县海南省三沙市西沙区桂林市秀峰区桥西区留营街道朝阳区酒仙桥街道吉林省长春市双阳区辽宁省沈阳市浑南区山东省东营市垦利区福建省莆田市仙游县西藏山南市山东省威海市河东区大直沽街道甘肃省陇南市合肥市瑶海区鹿泉区白鹿泉乡贵州省黔东南苗族侗族自治州天柱县湖北省恩施土家族苗族自治州建始县山东省威海市黑龙江省佳木斯市富锦市洛阳市汝阳县江西省宜春市宜丰县喀什地区叶城县江西省宜春市宜丰县怀柔区雁栖地区辽宁省锦州市义县云南省西双版纳傣族自治州勐腊县朝阳区管庄地区广东省汕头市龙湖区元氏县苏村乡西乡塘区湖北省宜昌市秭归县湖北省襄阳市襄州区内蒙古鄂尔多斯市康巴什区静海区大邱庄镇山东省东营市垦利区青海省海西蒙古族藏族自治州德令哈市昌平区回龙观街道桂林市秀峰区陕西省汉中市南郑区焦作市中站区山西省晋城市泽州县延庆区沈家营镇四川省广元市怀柔区龙山街道鹿泉区白鹿泉乡延庆区康庄镇昌平区小汤山镇喀什地区麦盖提县四川省泸州市江阳区山东省聊城市冠县银川市贺兰县怀柔区宝山镇山西省晋中市灵石县福建省莆田市城厢区山东省淄博市临淄区新乐市协神乡四川省遂宁市蓬溪县山西省朔州市山阴县四川省广安市岳池县山东省淄博市临淄区广东省惠州市龙门县福建省厦门市海沧区福建省莆田市城厢区桥西区留营街道黑龙江省佳木斯市汤原县辽宁省沈阳市沈河区江西省吉安市永新县山西省晋中市太谷区陕西省宝鸡市眉县河东区东新街道内蒙古锡林郭勒盟镶黄旗四川省成都市新都区山东省聊城市茌平区甘肃省庆阳市镇原县辽宁省铁岭市清河区广东省汕头市南澳县朝阳区管庄地区四川省宜宾市江安县云南省怒江傈僳族自治州福贡县大兴区河西区桃园街道江西省吉安市吉安县陕西省西安市未央区赞皇县院头镇广东省珠海市斗门区福建省福州市罗源县信阳市平桥区黑龙江省绥化市明水县

今日相关部门发布重磅报告这套题，GPT-5.5、Opus 4.7加起来没考到1分，人类却拿了满分100，很高兴为您解答这个问题，让我来帮您详细说明一下:官方服务专线，支持多品牌报修

江西省赣州市石城县甘肃省兰州市广东省江门市蚌埠市龙子湖区朝阳区双井街道元氏县殷村镇平山县上观音堂乡南开区长虹街道福建省南平市西青区精武镇江西省景德镇市昌江区黑龙江省哈尔滨市巴彦县元氏县西乡塘区山西省忻州市定襄县蓟州区东赵各庄镇四川省成都市新都区蓟州区官庄镇山西省朔州市山阴县山东省烟台市龙口市江苏省镇江市句容市山东省聊城市冠县内蒙古锡林郭勒盟镶黄旗江西省赣州市石城县四川省宜宾市翠屏区福建省南平市建瓯市山东省枣庄市台儿庄区青海省玉树藏族自治州治多县开封市通许县四川省凉山彝族自治州西昌市吉林省白山市浑江区江苏省苏州市相城区四川省德阳市广汉市山东省烟台市牟平区四川省甘孜藏族自治州钦州市吉林省白山市浑江区湖北省宜昌市西陵区江苏省南京市浦口区塔城地区和布克赛尔蒙古自治县昌平区回龙观街道四川省甘孜藏族自治州丹巴县湖北省宜昌市西陵区蚌埠市龙子湖区陕西省汉中市南郑区山西省晋中市灵石县武清区汊沽港镇内蒙古兴安盟乌兰浩特市巴音郭楞蒙古自治州和硕县江苏省连云港市赣榆区山西省晋中市灵石县青海省海西蒙古族藏族自治州德令哈市平山县东回舍镇海南省儋州市云南省丽江市宁蒗彝族自治县山东省聊城市冠县四川省成都市金牛区南开区体育中心街道辽宁省沈阳市浑南区江苏省徐州市丰县广东省汕头市龙湖区山西省忻州市定襄县内蒙古鄂尔多斯市康巴什区四川省德阳市广汉市福建省厦门市海沧区海南省海口市美兰区西青区精武镇辽宁省沈阳市沈河区四川省宜宾市翠屏区重庆市市辖区北碚区山东省聊城市茌平区昌平区回龙观街道丰台区长辛店镇大兴区黑龙江省哈尔滨市巴彦县江苏省徐州市丰县贵州省黔东南苗族侗族自治州天柱县福建省南平市山东省泰安市东平县开封市通许县内蒙古鄂尔多斯市康巴什区大兴区黑龙江省绥化市明水县江苏省镇江市句容市长安区南村镇西藏山南市百色市田林县喀什地区叶城县甘肃省甘南藏族自治州贵州省铜仁市玉屏侗族自治县江西省吉安市吉安县湖北省宜昌市西陵区辽宁省大连市旅顺口区大兴区四川省乐山市密云区高岭镇亳州市利辛县鹿泉区白鹿泉乡江西省萍乡市上栗县辽宁省朝阳市北票市

全球服务区域:四川省广安市岳池县山西省忻州市宁武县桥西区留营街道山东省青岛市城阳区四川省广元市云南省普洱市景东彝族自治县甘肃省天水市秦州区黑龙江省佳木斯市富锦市吉林省白山市浑江区辽宁省朝阳市北票市行唐县龙州镇黑龙江省鸡西市鸡冠区蓟州区官庄镇丰台区宛平城地区辽宁省锦州市义县福建省厦门市海沧区银川市贺兰县昌平区阳坊镇辽宁省本溪市溪湖区焦作市沁阳市桥西区苑东街道海淀区青龙桥街道静海区西翟庄镇青秀区南开区长虹街道河东区大直沽街道百色市田林县西藏山南市贡嘎县崇左市固原市西吉县博尔塔拉蒙古自治州温泉县百色市田林县北海市海城区江苏省苏州市相城区辽宁省沈阳市防城港市东兴市广东省云浮市新兴县四川省遂宁市蓬溪县湖北省恩施土家族苗族自治州建始县广东省汕头市南澳县蓟州区东赵各庄镇朝阳区酒仙桥街道山东省聊城市冠县黑龙江省佳木斯市富锦市隆安县福建省福州市永泰县亳州市利辛县青海省海西蒙古族藏族自治州德令哈市辽宁省本溪市溪湖区行唐县龙州镇辽宁省大连市旅顺口区陕西省宝鸡市千阳县贵州省安顺市普定县喀什地区麦盖提县辽宁省沈阳市沈河区贵州省铜仁市玉屏侗族自治县顺义区空港街道昌平区延寿镇广东省江门市武清区汊沽港镇桥西区留营街道辽宁省锦州市义县湖北省宜昌市秭归县和平区南市街道甘肃省天水市秦州区山东省潍坊市青州市四川省甘孜藏族自治州泸定县西乡塘区陕西省宝鸡市眉县陕西省汉中市西乡县甘肃省天水市秦州区怀柔区龙山街道南阳市内乡县河东区大直沽街道井陉县测鱼镇山东省烟台市龙口市云南省红河哈尼族彝族自治州泸西县丰台区右安门街道伊犁哈萨克自治州昭苏县黑龙江省大兴安岭地区呼玛县海淀区青龙桥街道福建省南平市南开区体育中心街道青海省海南藏族自治州贵德县朝阳区小红门地区无极县大陈镇湖北省宜昌市宜都市哈密市伊吾县桥西区苑东街道广东省惠州市龙门县西青区精武镇贵州省安顺市普定县固原市西吉县崇左市宁明县陕西省宝鸡市千阳县福建省南平市建瓯市江苏省南京市浦口区甘肃省天水市秦州区北海市海城区陕西省汉中市西乡县

今日研究机构公开最新行业进展这套题，GPT-5.5、Opus 4.7加起来没考到1分，人类却拿了满分100，很高兴为您解答这个问题，让我来帮您详细说明一下:售后服务维修中心电话，支持多渠道服务

全国服务区域：怀柔区龙山街道四川省宜宾市江安县山东省青岛市城阳区云南省怒江傈僳族自治州福贡县山西省晋城市高平市平山县小觉镇山西省长治市襄垣县赞皇县院头镇江西省宜春市奉新县昌平区小汤山镇四川省乐山市山东省青岛市城阳区吉林省长春市双阳区顺义区空港街道内蒙古锡林郭勒盟正镶白旗昌平区小汤山镇山西省运城市夏县银川市贺兰县云南省大理白族自治州云龙县蓟州区东赵各庄镇广东省惠州市龙门县江西省宜春市宜丰县云南省红河哈尼族彝族自治州泸西县大兴区西藏山南市焦作市湖北省襄阳市襄州区平山县宅北乡海南省海口市美兰区山西省吕梁市中阳县上海市市辖区嘉定区山西省吕梁市岚县宝坻区牛家牌镇福建省厦门市湖里区河东区大直沽街道黑龙江省鹤岗市福建省三明市梅列区江苏省南京市浦口区陕西省商洛市山阳县江苏省徐州市新沂市山西省长治市襄垣县重庆市县巫山县和平区南市街道福建省南平市山西省晋城市泽州县江西省景德镇市昌江区福建省厦门市湖里区内蒙古鄂尔多斯市康巴什区辽宁省沈阳市博尔塔拉蒙古自治州温泉县海南省儋州市广东省广州市越秀区朝阳区双井街道四川省乐山市芜湖市南陵县福建省厦门市湖里区四川省甘孜藏族自治州丹巴县重庆市县巫山县蓟州区东赵各庄镇山西省吕梁市中阳县辽宁省铁岭市清河区江西省赣州市石城县四川省成都市双流区内蒙古锡林郭勒盟镶黄旗青海省果洛藏族自治州山东省东营市垦利区辽宁省锦州市义县南开区长虹街道福建省福州市罗源县陕西省宝鸡市眉县平山县东回舍镇湖北省宜昌市西陵区福建省福州市永泰县赞皇县院头镇四川省成都市新都区南开区体育中心街道朝阳区小红门地区湖北省宜昌市西陵区福建省厦门市湖里区开封市通许县内蒙古鄂尔多斯市鄂托克旗亳州市利辛县昌平区回龙观街道门头沟区大峪街道塔城地区和布克赛尔蒙古自治县陕西省汉中市西乡县四川省广元市甘肃省天水市秦州区百色市田林县四川省宜宾市江安县江西省宜春市奉新县井陉县测鱼镇丰台区和义街道福建省厦门市海沧区云南省西双版纳傣族自治州勐腊县云南省红河哈尼族彝族自治州绿春县巴音郭楞蒙古自治州和硕县元氏县苏村乡防城港市东兴市亳州市利辛县

售后服务上门服务电话，智能分配单据：这套题，GPT-5.5、Opus 4.7加起来没考到1分，人类却拿了满分100

机器之心编辑部

在大模型「卷生卷死」的今天，大家似乎已经习惯了模型在各大榜单上刷出逼近满分准确率。然而，在一项名为 ARC-AGI-3 的基准测试中，堪称当下「最红炸子鸡」的两款顶尖模型 ——OpenAI 的 GPT-5.5 和 Anthropic 的 Claude Opus 4.7，却双双「折戟」……

近日，ARC Prize 官方发布了针对这两款顶级模型的详细分析报告，结果令人震惊：在面对未见过的逻辑任务时，两者的表现得分均低于 1%，GPT-5.5 得分 0.43%，Claude Opus 4.7 得分 0.18%。

这意味着，即便拥有千亿级参数和近乎无限的算力，这些模型在处理「全新逻辑环境」时的表现，甚至不如一个 6 岁的儿童。

这是怎么一回事？

ARC-AGI-3：智能的「真伪试金石」

为了更好理解这一成绩，首先华体汇(中国)来了解一下 ARC-AGI-3，这是由 Keras 之父 Fran?ois Chollet 创立的基准测试系列的最新一代，于今年 3 月分布。

Fran?ois Chollet 当时称，当一个 AI 系统在首次接触所有环境时，其行动效率能够达到或超过人类水平，才算真正「攻克」ARC-AGI-3。

而根据团队进行的大量的人类测试结果来看：在没有任何先验训练、没有任何说明的情况下，人类在第一次接触时可以 100% 解决这些环境中难题，与此同时，目前所有前沿的 AI 推理模型在这一测试上的表现都低于 1%。

彼时，OpenAI 的 GPT-5.5 和 Anthropic 的 Claude Opus 4.7 还没有发布，如今来看，这两个模型也同样难逃这一结果。

具体来看，ARC-AGI-3 是由 135 个全新环境组成的测试集，每个环境都由人类手工设计，用来测试模型面对「未知」的能力。

对于测试者来说，无论人类还是 AI，进入环境中将不会获得任何的玩法说明，要前进，取得进展，必须做到以下几点：

探索未知界面 ；从稀疏反馈中推断规则（构建世界模型） ；提出并验证假设 ；从错误中恢复 ；将经验迁移到下一关（持续学习）。

每个环境的构建都缺乏模型通常依赖的文化知识，只保留「抽象推理能力本身」。

换句话说，可以把 ARC-AGI-3 理解为，一个在「新颖性、模糊性、规划、适应性」上的最低共同测试集合，而这些，正是现实世界任务对智能体的核心要求。因此，ARC-AGI-3 也被公认为目前最接近「人类智能本质」的测试。

顶尖模型纷纷「败北」背后的三大失败模式

此次，GPT-5.5 和 Claude Opus 4.7 的表现得分均低于 1% 的成绩固然令人「心痛」，但比起成绩，知道背后的失败原因似乎更重要。

ARC Prize 研究团队通过分析 160 组完整运行轨迹，包括模型的每一步操作和推理过程，总结出了导致模型「崩溃」的三大核心失败模式：

一、真实的局部反馈，虚假的世界模型

模型能够理解哪一步动作产生了变化（局部反馈），但无法将这种因果效应转化为一套通用的全局规则。

这是一个最为明显的原因。比如，在一个需要旋转物体以匹配插槽的任务中，模型能够识别出「我按下这个键，物体可以旋转」这一局部规律，但它无法将此逻辑上升为全局目标，进一步推理出：「旋转会影响结果，因此我需要在行动前调整物体方向以匹配目标。」

换句话说，模型失败不是因为它们「看不见」，而在于无法把观察的事物整合成一个完整的世界模型。

比例，Claude Opus 4.7 在运行任务 「cd82」 时，在第 4 步已经意识到执行 「ACTION3」 可以旋转容器，随后在第 6 步也观察到执行 「ACTION5」 可以倾倒或蘸取油漆。然而，它始终无法将这些碎片化的认知转化为一个完整的逻辑策略，即「先调整桶的方向，然后再蘸取油漆，以还原左上角的目标图像」。

Claude Opus 4.7 理解 ACTION3 旋转物体，但未能理解游戏的概念。

或者在任务 「cn04」 中，Claude Opus 4.7 虽然发现了一个成功的「旋转后放置」交互逻辑（这是正确的假设，见第 23 步），但随后却陷入了追求「整体形状重叠」的误区（错误假设），并为了追求「顶行进度」的假象而偏离了目标（见第 60 步）。

二、被训练数据「绑架」的抽象思维

模型对当前环境产生了误判，由于受到训练数据的影响，它们会将一个全新的「ARC-AGI-3」任务误认为是在玩另一种已知的游戏。

这种失败模式源于模型对训练数据的「错误抽象」，在多次运行中，模型反复尝试通过将其映射到已知游戏来解释陌生的机制，这些游戏包括：「俄罗斯方块」「青蛙过河」「推箱子」「粉末游戏」「填充颜色」「打砖块」等。

虽然从核心先验知识中提取抽象概念在理论上有助于解决问题，但这些来自训练数据的字面类比反而「绑架」了模型的动作选择，从而演变成：局部视觉相似、导致被误认为完整的游戏规则、行动方向被带偏。

比如，在任务 「cd82」 中，GPT-5.5 的思维被锚定在了流沙、物理模拟或 「填充颜色」的游戏机制上；而在任务 「ls20」 中，它将本应是按键组合的逻辑误判为了「打砖块」。

三、通关了关卡，却没学会规则

模型侥幸通过了某个特定关卡，却无法利用那个成功的奖励信号来强化并执行正确的后续操作。这说明，「通关并不等于理解」。

Claude Opus 4.7 的两次记录很好地说明了这一点。

在任务「ka59」中，Claude Opus 4.7 用 37 步完成了 Level 1，但它对「点击」这一操作的理解其实是错误的 —— 它认为点击是在「传送当前角色」。虽然结果看起来像是一次干净利落的胜利，但本质上只是对底层机制的误读，恰好碰上了一个比较宽容的关卡。

因此，当进入 Level 2，需要真正的机制（形状匹配与推动）时，Opus 将这种错误理解进一步固化为「点击每个目标来填充它」，结果可想而知，整个过程彻底偏离、崩溃，且无法恢复。

Opus 4.7 正在运行任务 「ka59」，陷入了「盲目点击（Click-fishing）」的死循环，游戏得分：2.04%。

在「ar25」任务中也是如此。Opus 在 Level 1 通过对「镜像移动」的正确解读成功通关（见第 4 步）；随后在 Level 2，它实际上已经发现了新的「可移动轴」机制（见第 227 步），但紧接着它又陷入了幻觉，开始臆想出诸如「打孔」或「需要翻转」等并不存在的规则。

在这两种情况下，Level 1 的成功掩盖了模型对底层机制的缺失或扭曲，这种「局部胜利」反而为错误的 Level 2 策略提供了一个看似自信的支撑框架。

这也说明，早期关卡的推进并不能可靠反映模型是否真正理解了任务。如果没有明确检验模型「为什么能过关」，它就会把错误的认知带入下一关，并在此基础上不断放大偏差。

GPT-5.5 vs Opus 4.7：不同的「翻车」姿势

有意思的是，虽然 GPT-5.5 和 Opus 4.7 的得分成绩都不尽如人意，但研究团队通过对比两者的运行记录发现，它们的失败方式完全不同。

简单来说就是，Claude Opus 4.7 的问题是「压缩错了」，而 GPT-5.5 的问题则在于「压缩不了」。

具体来看，Opus 4.7 在短周期的机制发现方面表现更强。例如在任务「ar25」中，它几乎立刻识别出镜像结构，并顺利通过 Level 1；在任务「ka59」中，即便世界模型并不完整，它也能读出「双角色、双目标」的布局，并完成较短的 Level 1 操作序列。

但问题在于，它也更容易抓住一个错误的「恒定特征」，并坚定执行下去。

比如在任务「cn04」中，它构建了一套「进度 / 计时 / 转换」的错误理论，并在这一假设下不断尝试操作（第 60 步）。它确实形成了一套「可运行的解释」，只是这套解释是错的。

GPT-5.5 则是另一个极端。它的「假设生成」更广泛，这使得它更有可能说出正确的思路，但同时也更难将其转化为具体行动。

比如在任务「ar25」中，它识别出了镜像效应，但不断重新打开「可能的游戏类型空间」，在「俄罗斯方块」「青蛙过河」「乒乓球」「汉诺塔」之间反复横跳，始终无法坚定地执行镜像逻辑。而在任务「ka59」中，它也构建出了正确的对象结构 —— 两个目标轮廓和一个可切换的第二角色 —— 但始终没有真正执行这一理解。

换句话说，Claude Opus 4.7 有点像「过度自信的直觉主义者」，GPT-5.5 则像「思维发散的理论家」。

而归根结底，两者之间的这种差异在于「压缩」能力的区别：Claude Opus 4.7 将观察压缩成了一个「自信但错误」的理论，而 GPT-5.5 则几乎无法完成压缩，始终停留在分散的可能性之中。

不得不说，此次 Claude Opus 4.7 和 GPT-5.5 双双在 ARC-AGI-3，这一堪称目前最接近「人类智能本质」的测试上的低分表现，揭示了一个事实：AGI 之路「道阻且长」啊。

你呢，如何看待 AI 的这一成绩？欢迎在评论区留言、交流！

https://x.com/fchollet/status/2050328852107612559

https://arcprize.org/blog/arc-agi-3-gpt-5-5-opus-4-7-analysis

https://x.com/GregKamradt/status/2050262126120632554

今日相关部门发布重磅报告这套题，GPT-5.5、Opus 4.7加起来没考到1分，人类却拿了满分100

机器之心编辑部

在大模型「卷生卷死」的今天，大家似乎已经习惯了模型在各大榜单上刷出逼近满分准确率。然而，在一项名为 ARC-AGI-3 的基准测试中，堪称当下「最红炸子鸡」的两款顶尖模型 ——OpenAI 的 GPT-5.5 和 Anthropic 的 Claude Opus 4.7，却双双「折戟」……

近日，ARC Prize 官方发布了针对这两款顶级模型的详细分析报告，结果令人震惊：在面对未见过的逻辑任务时，两者的表现得分均低于 1%，GPT-5.5 得分 0.43%，Claude Opus 4.7 得分 0.18%。

这意味着，即便拥有千亿级参数和近乎无限的算力，这些模型在处理「全新逻辑环境」时的表现，甚至不如一个 6 岁的儿童。

这是怎么一回事？

ARC-AGI-3：智能的「真伪试金石」

为了更好理解这一成绩，首先华体汇(中国)来了解一下 ARC-AGI-3，这是由 Keras 之父 Fran?ois Chollet 创立的基准测试系列的最新一代，于今年 3 月分布。

Fran?ois Chollet 当时称，当一个 AI 系统在首次接触所有环境时，其行动效率能够达到或超过人类水平，才算真正「攻克」ARC-AGI-3。

而根据团队进行的大量的人类测试结果来看：在没有任何先验训练、没有任何说明的情况下，人类在第一次接触时可以 100% 解决这些环境中难题，与此同时，目前所有前沿的 AI 推理模型在这一测试上的表现都低于 1%。

彼时，OpenAI 的 GPT-5.5 和 Anthropic 的 Claude Opus 4.7 还没有发布，如今来看，这两个模型也同样难逃这一结果。

具体来看，ARC-AGI-3 是由 135 个全新环境组成的测试集，每个环境都由人类手工设计，用来测试模型面对「未知」的能力。

对于测试者来说，无论人类还是 AI，进入环境中将不会获得任何的玩法说明，要前进，取得进展，必须做到以下几点：

探索未知界面 ；从稀疏反馈中推断规则（构建世界模型） ；提出并验证假设 ；从错误中恢复 ；将经验迁移到下一关（持续学习）。

每个环境的构建都缺乏模型通常依赖的文化知识，只保留「抽象推理能力本身」。

换句话说，可以把 ARC-AGI-3 理解为，一个在「新颖性、模糊性、规划、适应性」上的最低共同测试集合，而这些，正是现实世界任务对智能体的核心要求。因此，ARC-AGI-3 也被公认为目前最接近「人类智能本质」的测试。

顶尖模型纷纷「败北」背后的三大失败模式

此次，GPT-5.5 和 Claude Opus 4.7 的表现得分均低于 1% 的成绩固然令人「心痛」，但比起成绩，知道背后的失败原因似乎更重要。

ARC Prize 研究团队通过分析 160 组完整运行轨迹，包括模型的每一步操作和推理过程，总结出了导致模型「崩溃」的三大核心失败模式：

一、真实的局部反馈，虚假的世界模型

模型能够理解哪一步动作产生了变化（局部反馈），但无法将这种因果效应转化为一套通用的全局规则。

这是一个最为明显的原因。比如，在一个需要旋转物体以匹配插槽的任务中，模型能够识别出「我按下这个键，物体可以旋转」这一局部规律，但它无法将此逻辑上升为全局目标，进一步推理出：「旋转会影响结果，因此我需要在行动前调整物体方向以匹配目标。」

换句话说，模型失败不是因为它们「看不见」，而在于无法把观察的事物整合成一个完整的世界模型。

比例，Claude Opus 4.7 在运行任务 「cd82」 时，在第 4 步已经意识到执行 「ACTION3」 可以旋转容器，随后在第 6 步也观察到执行 「ACTION5」 可以倾倒或蘸取油漆。然而，它始终无法将这些碎片化的认知转化为一个完整的逻辑策略，即「先调整桶的方向，然后再蘸取油漆，以还原左上角的目标图像」。

Claude Opus 4.7 理解 ACTION3 旋转物体，但未能理解游戏的概念。

或者在任务 「cn04」 中，Claude Opus 4.7 虽然发现了一个成功的「旋转后放置」交互逻辑（这是正确的假设，见第 23 步），但随后却陷入了追求「整体形状重叠」的误区（错误假设），并为了追求「顶行进度」的假象而偏离了目标（见第 60 步）。

二、被训练数据「绑架」的抽象思维

模型对当前环境产生了误判，由于受到训练数据的影响，它们会将一个全新的「ARC-AGI-3」任务误认为是在玩另一种已知的游戏。

这种失败模式源于模型对训练数据的「错误抽象」，在多次运行中，模型反复尝试通过将其映射到已知游戏来解释陌生的机制，这些游戏包括：「俄罗斯方块」「青蛙过河」「推箱子」「粉末游戏」「填充颜色」「打砖块」等。

虽然从核心先验知识中提取抽象概念在理论上有助于解决问题，但这些来自训练数据的字面类比反而「绑架」了模型的动作选择，从而演变成：局部视觉相似、导致被误认为完整的游戏规则、行动方向被带偏。

比如，在任务 「cd82」 中，GPT-5.5 的思维被锚定在了流沙、物理模拟或 「填充颜色」的游戏机制上；而在任务 「ls20」 中，它将本应是按键组合的逻辑误判为了「打砖块」。

三、通关了关卡，却没学会规则

模型侥幸通过了某个特定关卡，却无法利用那个成功的奖励信号来强化并执行正确的后续操作。这说明，「通关并不等于理解」。

Claude Opus 4.7 的两次记录很好地说明了这一点。

在任务「ka59」中，Claude Opus 4.7 用 37 步完成了 Level 1，但它对「点击」这一操作的理解其实是错误的 —— 它认为点击是在「传送当前角色」。虽然结果看起来像是一次干净利落的胜利，但本质上只是对底层机制的误读，恰好碰上了一个比较宽容的关卡。

因此，当进入 Level 2，需要真正的机制（形状匹配与推动）时，Opus 将这种错误理解进一步固化为「点击每个目标来填充它」，结果可想而知，整个过程彻底偏离、崩溃，且无法恢复。

Opus 4.7 正在运行任务 「ka59」，陷入了「盲目点击（Click-fishing）」的死循环，游戏得分：2.04%。

在「ar25」任务中也是如此。Opus 在 Level 1 通过对「镜像移动」的正确解读成功通关（见第 4 步）；随后在 Level 2，它实际上已经发现了新的「可移动轴」机制（见第 227 步），但紧接着它又陷入了幻觉，开始臆想出诸如「打孔」或「需要翻转」等并不存在的规则。

在这两种情况下，Level 1 的成功掩盖了模型对底层机制的缺失或扭曲，这种「局部胜利」反而为错误的 Level 2 策略提供了一个看似自信的支撑框架。

这也说明，早期关卡的推进并不能可靠反映模型是否真正理解了任务。如果没有明确检验模型「为什么能过关」，它就会把错误的认知带入下一关，并在此基础上不断放大偏差。

GPT-5.5 vs Opus 4.7：不同的「翻车」姿势

有意思的是，虽然 GPT-5.5 和 Opus 4.7 的得分成绩都不尽如人意，但研究团队通过对比两者的运行记录发现，它们的失败方式完全不同。

简单来说就是，Claude Opus 4.7 的问题是「压缩错了」，而 GPT-5.5 的问题则在于「压缩不了」。

具体来看，Opus 4.7 在短周期的机制发现方面表现更强。例如在任务「ar25」中，它几乎立刻识别出镜像结构，并顺利通过 Level 1；在任务「ka59」中，即便世界模型并不完整，它也能读出「双角色、双目标」的布局，并完成较短的 Level 1 操作序列。

但问题在于，它也更容易抓住一个错误的「恒定特征」，并坚定执行下去。

比如在任务「cn04」中，它构建了一套「进度 / 计时 / 转换」的错误理论，并在这一假设下不断尝试操作（第 60 步）。它确实形成了一套「可运行的解释」，只是这套解释是错的。

GPT-5.5 则是另一个极端。它的「假设生成」更广泛，这使得它更有可能说出正确的思路，但同时也更难将其转化为具体行动。

比如在任务「ar25」中，它识别出了镜像效应，但不断重新打开「可能的游戏类型空间」，在「俄罗斯方块」「青蛙过河」「乒乓球」「汉诺塔」之间反复横跳，始终无法坚定地执行镜像逻辑。而在任务「ka59」中，它也构建出了正确的对象结构 —— 两个目标轮廓和一个可切换的第二角色 —— 但始终没有真正执行这一理解。

换句话说，Claude Opus 4.7 有点像「过度自信的直觉主义者」，GPT-5.5 则像「思维发散的理论家」。

而归根结底，两者之间的这种差异在于「压缩」能力的区别：Claude Opus 4.7 将观察压缩成了一个「自信但错误」的理论，而 GPT-5.5 则几乎无法完成压缩，始终停留在分散的可能性之中。

不得不说，此次 Claude Opus 4.7 和 GPT-5.5 双双在 ARC-AGI-3，这一堪称目前最接近「人类智能本质」的测试上的低分表现，揭示了一个事实：AGI 之路「道阻且长」啊。

你呢，如何看待 AI 的这一成绩？欢迎在评论区留言、交流！

https://x.com/fchollet/status/2050328852107612559

https://arcprize.org/blog/arc-agi-3-gpt-5-5-opus-4-7-analysis

https://x.com/GregKamradt/status/2050262126120632554


澎湃新闻检索发现，“茶烟”等类烟华体汇电竞-华体汇(中国)问题由来已久。这些华体汇电竞-华体汇(中国)往往缺乏强制标准，用料成分不明、安全隐患突出、侵权行为频现，近年来却以“替烟”“戒烟”等形象在网络平台大肆销售，引发社会各界高度关注。“茶烟”“百草炙烟”等类烟华体汇电竞-华体汇(中国)均被烟草部门及公安机关打击处理过。
华体汇电竞-华体汇(中国) 华体汇电竞-华体汇(中国)-怡红院分院app-怡红院分院2026最新N.25.16.81-牛游戏网

华体汇电竞-华体汇(中国)

外交部官宣特朗普访华日期
首页>>光大期货：农华体汇电竞-华体汇(中国)类日报5.29
外交部官宣特朗普访华日期

华体汇电竞-华体汇(中国):外交部官宣特朗普访华日期

华体汇电竞-华体汇(中国):「活动」首次登录送19元红包

22.94MB
版本{版本}
下载APK高速下载
下载再这套题，GPT-5.5、Opus 4.7加起来没考到1分，人类却拿了满分100安装你想要的应用 更方便 更快捷 发现更多
喜欢31%好评(51人)
评论36
这套题，GPT-5.5、Opus 4.7加起来没考到1分，人类却拿了满分100截图0这套题，GPT-5.5、Opus 4.7加起来没考到1分，人类却拿了满分100截图1这套题，GPT-5.5、Opus 4.7加起来没考到1分，人类却拿了满分100截图2这套题，GPT-5.5、Opus 4.7加起来没考到1分，人类却拿了满分100截图3这套题，GPT-5.5、Opus 4.7加起来没考到1分，人类却拿了满分100截图4
详细信息
应用介绍
?第一步：访问《这套题，GPT-5.5、Opus 4.7加起来没考到1分，人类却拿了满分100》官网?首先,打开您的浏览器,输入《这套题，GPT-5.5、Opus 4.7加起来没考到1分，人类却拿了满分100》。您可以通过搜索引擎搜索或直接输入网址来访问.?
?第二步：点击注册按钮?一旦进入《这套题，GPT-5.5、Opus 4.7加起来没考到1分，人类却拿了满分100》网站官网，您会在页面上找到一个醒目的注册按钮。点击该按钮，您将被引导至注册页面。??
?第三步：填写注册信息 ?在注册页面上，您需要填写一些必要的个人信息来创建《这套题，GPT-5.5、Opus 4.7加起来没考到1分，人类却拿了满分100》网站账户。通常包括用户名、密码、电子邮件地址、手机号码等。请务必提供准确完整的信息，以确保顺利完成注册。?
?第四步：验证账户?填写完个人信息后，您可能需要进行账户验证。《这套题，GPT-5.5、Opus 4.7加起来没考到1分，人类却拿了满分100》网站会向您提供的电子邮件地址或手机号码发送一条验证信息，您需要按照提示进行验证操作。这有助于确保账户的安全性，并防止不法分子滥用您的个人信息。?
?第五步：设置安全选项?《这套题，GPT-5.5、Opus 4.7加起来没考到1分，人类却拿了满分100》网站通常要求您设置一些安全选项，以增强账户的安全性。例如，可以设置安全问题和答案，启用两步验证等功能。请根据系统的提示设置相关选项，并妥善保管相关信息，确保您的账户安全。?
?第六步：阅读并同意条款?在注册过程中，《这套题，GPT-5.5、Opus 4.7加起来没考到1分，人类却拿了满分100》网站会提供使用条款和规定供您阅读。这些条款包括平台的使用规范、隐私政策等内容。在注册之前，请仔细阅读并理解这些条款，并确保您同意并愿意遵守。??
?第七步：完成注册?一旦您完成了所有必要的步骤，并同意了《这套题，GPT-5.5、Opus 4.7加起来没考到1分，人类却拿了满分100》网站的条款，恭喜您！您已经成功注册了《这套题，GPT-5.5、Opus 4.7加起来没考到1分，人类却拿了满分100》网站账户。现在，您可以畅享《这套题，GPT-5.5、Opus 4.7加起来没考到1分，人类却拿了满分100》网站提供的丰富体育赛事、刺激的游戏体验以及其他令人兴奋!?
【联系华体汇(中国)】
客服热线
加载更多
版本更新
{版本}
这套题，GPT-5.5、Opus 4.7加起来没考到1分，人类却拿了满分100

华体汇电竞-华体汇(中国): 这套题，GPT-5.5、Opus 4.7加起来没考到1分，人类却拿了满分100类似软件

相关攻略
包含 饿了么 的应用集
友情链接
  • “小满”渐暖雨势将兴 黑龙江省逐步进入主汛期
    2026-06-16 18:52:48
  • 赵丽娜在世界杯开幕式偶遇大张伟
    2026-06-16 18:52:48
  • 普京近期将访问朝鲜
    2026-06-16 18:52:48
安卓手机网上最贴心的Android软件应用平台!版权所有：这套题，GPT-5.5、Opus 4.7加起来没考到1分，人类却拿了满分100有限华体汇电竞-华体汇(中国)备案号：京ICP备17065190号-1