什麼是 ARC-AGI-3？
ARC-AGI-3 是一個針對代理式智能（agentic intelligence）所設計的全新互動基準，強調 AI 在未知環境中的探索、即時目標獲取與持續學習能力。與過去以靜態題目判定答案正確與否的做法不同，ARC-AGI-3 要求智能體「從經驗中學習」，自行感知重要資訊、選擇行動並在沒有文字說明的情況下調整策略。
官方說明指出，這個基準透過一系列手工設計的回合制環境來測試代理的學習能力，目的在於衡量 AI 是否能在時間軸上達到與人類相近的學習效率與適應性（例如規劃視野、記憶壓縮與依據新證據更新信念）。你可以在 ARC-AGI-3 的技術文件中閱讀設計細節：ARC-AGI-3 技術論文。
設計核心與衡量指標
ARC-AGI-3 的衡量要點明確而不同凡響：全數環境對人類可解（**100% human-solvable environments**）、隨時間衡量的**技能習得效率**、需要長期規劃且回饋稀疏的任務，以及跨多步驟以經驗驅動的適應能力。這些指標將智能的判斷從「最終答案」擴展為「學習過程」本身。
換句話說，若 AI 在最終分數上接近人類，但在學習速度、記憶壓縮或是隨著新證據改變策略的能力上仍落後，那麼我們仍不能宣稱擁有通用人工智慧（AGI）。ARC-AGI-3 正是為了量化並縮小這樣的落差。
與前一代基準的關係與延續
ARC-AGI-3 並非孤立出現：它承接了 ARC-AGI 系列先前的理念。舉例來說，ARC-AGI-1 以八百道格狀視覺推理題目著稱，強調從極少示例中抽象規則並迅速泛化；該基準直到 2024 年底長期維持無可比擬的挑戰性，直到某些大型模型在高算力下取得顯著進展。
ARC 系列從「以少量樣本學習的推理」逐步轉向「在互動式、無提示環境中持續學習」，而 ARC-AGI-3 則把焦點放在代理如何在每個新環境內發現目標並把學到的策略帶入後續更高難度的關卡。
比賽、排行榜與當前差距
官方推出 ARC Prize 2026，並以超過 **$2,000,000** 的獎金鼓勵開放原始碼的解決方案，對應的競賽軌道包括 ARC-AGI-3。組織也提供遊戲集、SDK 以及開發者預覽，讓研究者可在瀏覽器或 API 上實際運行這些環境。了解競賽細節可參考 ARC Prize 2026 的資訊頁：ARC Prize 2026。
初期評測結果顯示，人類在這些遊戲上可達 100% 分數，而某些前沿 AI 在 ARC-AGI-3 的成績仍極低（報導指出前沿系統分數接近 0.26%），清楚指出「能跟隨指令」的 AI 與「能夠真實探索與適應」的 AI 之間還有明顯距離。
觀察、挑戰與未來方向
ARC-AGI-3 的出現對研究者與產品團隊提出具體挑戰：要發展出能在稀疏回饋與未知規則下快速學習的系統，需整合探索策略、記憶管理、模型壓縮與長期規劃能力。這些問題既是技術挑戰，也是衡量 AGI 進展的關鍵指標。
總結來說，ARC-AGI-3 不只是另一個基準，它代表一個方向性的轉變：從靜態、可說明的任務轉向需要內生動機與經驗驅動學習的測試場。對於關心 AGI 研究路徑的人來說，ARC-AGI-3 與其相關競賽提供了一個可衡量、可比較且具實驗性的舞台，幫助我們更清楚地看到 AI 與人類學習之間的差距與進步空間。
