ARC-AGI-32 篇实战文章

八月底在 dev.to 上刷到那篇的时候，我第一反应是又一个 benchmark 捷报。AWS 一个工程师团队，把开源的 Strands agents SDK 和 Claude Opus 5 拼成一个 harness，跑 ARCAGI3 公开游戏集：25 个环境、183 个关卡，全部通关，RHAE 拿了 99.9…

八月的最后十天，NVIDIA 报了个数字：Claude Opus 5 在 ARCAGI3 公开集上得分 100.00。一个多月前，ARC Prize 官方验证同一个模型的成绩是 30.16%。同一个模型，同一个公开集，相差 70 分。 我第一反应是 ARC Prize 那边测错了。