Sida laba dejin oo la hawlgeliyey ay saddex-jibbaareen dhibcahayaga ARC-AGI-3
Muuqaal la dedejiyey oo GPT‑5.6 Sol isku dayayo inuu xalliyo halxiraalayaasha imtixaan-beegga ARC-AGI-3, isagoo adeegsanaya dejinta dhammaystiran ee rasmiga ah (bidix) iyo dejintayada Responses API (midig), taas oo xafida caqliyeynta, hawlgelisana isku-soo-ururinta. Liiska hoggaamiyeyaasha ee ciyaartan(ku furmaa daaqad cusub), ma jiro nooc ugu casriyeysan oo xalliya heer ka dambeeya kan koowaad. Dejintayada, GPT‑5.6 Sol wuxuu xalliyaa dhammaan lixda heer.
Markii ugu horraysay ee aan aragnay dhibcaha hoose ee GPT‑5.6 Sol ka keenay imtixaan-beegga ARC-AGI-3(ku furmaa daaqad cusub), waan yaabnay.
GPT‑5.6 Sol wuxuu xalliyey masalooyin xisaabeed oo muddo dheer furnaa, sida mala-awaalka daboolka wareegga laba-laaban(ku furmaa daaqad cusub), wuxuuna ka adkaaday ciyaaro ay ka mid tahay Pokémon FireRed. Hase yeeshee, ARC-AGI-3 oo ah imtixaan-beeg ciyaaraha halxiraalaha 2D ah, GPT‑5.6 Sol wuxuu keenay 7.8% oo keliya, halka GPT‑5.5 uu si dhib lehba u ciyaari karay, isagoo keenay 0.4% oo aad u hooseeya.
Ciyaaraha halxiraalaha 2D miyay si aan caadi ahayn ugu adkaayeen noocyadeenna? Mise wax kale ayaa jiray?
Imtixaan-beegyadu marar dhif ah ayay noocyada AI gooni u cabbiraan. Waxay sidoo kale cabbiraan doorashooyin aan si weyn u muuqan oo ku saabsan dejimaha API, naqshadaynta dejinta dhammaystiran iyo hagidda. ARC-AGI-3, waxaan ogaanay in hawlgelinta laba dejin oo API ah oo aan ku isticmaalno ChatGPT iyo Codex—caqliyeynta la xafiday iyo isku-soo-ururinta—ay saddex-jibbaartay dhibcaha, isla markaana lix meelood meel ka dhigtay qeybo-qoraallada la soo-saaray ee hawlaha dadweynaha.
Dejinta dhammaystiran ee rasmiga ah, GPT‑5.6 Sol wuxuu 13.3% ka keenay qaybta dadweynaha ee ARC-AGI-3. Markii caqliyeynta la xafiday oo isku-soo-ururinta la adeegsaday, wuxuu keenay 38.3%. Dhibcuhu waxay cabbiraan Waxtarka Ficillada marka Aadanaha lala Barbar dhigo (RHAE(ku furmaa daaqad cusub))—halbeeg waxqabadka nooca la barbar dhigo heerka aadanaha. Annagoo ka duulayna diiwaannada ciyaaraha rasmiga ah(ku furmaa daaqad cusub), waxaan qiyaasaynaa in tijaabiyihii aadanaha ahaa celcelis ahaan keenay 48%. Noocyada looma sheego sida loo dhibcayn doono, mana arki karaan dhibcahooda inta ay ciyaarayaan—ficil kastaa wuxuu keliya soo celiyaa matalaad qoraal ah oo shaashadda iyo heerka ay marayaan.
ARC-AGI-3 waa imtixaan-beeg loogu talagalay in lagu cabbiro sida wanaagsan ee wakiillada AI wax u bartaan una caqliyeeyaan. Wakiilladu waxay sahamiyaan ciyaaro 2D ah oo aanay aqoon, waxayna tilmaamo cad la'aan ka fahmaan sida ay u shaqeeyaan. Waxaad 25 ciyaarood oo tijaabo ah ku ciyaari kartaa arcprize.org/tasks(ku furmaa daaqad cusub).
ARC-AGI-3 wuxuu si ula kac ah u adeegsadaa dejin dhammaystiran oo guud, oo aan lahayn qalab ama astaamo gaar ah. Sababta ARC waxay ahayd in dejin dhammaystiran oo fudud ay si fiican u muujiso dhaliilaha nooca, isbarbardhigga noocyadana ka dhigto mid caddaalad badan. Taa beddelkeeda, horumariyeyaasha ganacsigu waxay dejimaha dhammaystiran ku hagaajiyaan astaamaha iyo dabeecadaha gaarka ah ee nooc kasta.
Dhanka ciyaaraha, GPT‑5.6 Sol wuxuu Pokémon FireRed kaga adkaaday dejin dhammaystiran oo aragga keliya adeegsata (sida uu toos ugu baahiyey GPT_Plays_Pokemon(ku furmaa daaqad cusub)), Slay the Spire-na adeegsiga kombiyuutarka ee Codex (sida uu toos ugu baahiyey EpochAI(ku furmaa daaqad cusub)), sidoo kalena wuxuu ka gudbay heerarkii hore ee Baba Is You (sida ay wadaageen Piotr Migdał & Piotr Grabowski(ku furmaa daaqad cusub)). Maxaa ARC-AGI-3 sidaa uga duwanaa?
Ethan Mollick ayaa soo bandhigaya(ku furmaa daaqad cusub) GPT‑5.6 Sol oo Codex gudaheeda kaga adkaanaya tartan maalinle ah oo si aan kala sooc lahayn loo diyaariyey, ciyaarta Slay the Spire 2 oo la sii daayay kaddib xadka aqoonta GPT‑5.6 Sol.
Annagoo ka duulayna falanqaynta ARC ee dhaliilaha GPT‑5.5(ku furmaa daaqad cusub), waxaan baarnay qaar ka mid ah isku-dayadii GPT‑5.6 Sol. Sida ARC, waxaan aragnay in noocu uusan u muuqan mid aad u garaad badan. Ficil kasta waqti dheer ayuu ku qaadanayay, horumar samayntiisuna way ku adkayd.
Hase yeeshee, markii aan si qoto dheer u baarnay, waxaan ogaanay in jahawareerka intiisa badan uusan nooca laftiisa ka iman, balse uu ka dhashay dejimaha ku jiray dejinta dhammaystiran.
Marka hore, waxaan ogaanay in ficil kasta oo ciyaarta ka dambeeya la tirtirayay dhammaan caqliyeynta gaarka ahi. Tani waxay ka dhignayd in ficil kasta GPT‑5.6 Sol mar kale laga doonayay inuu ciyaarta bilowga ka fahmo, isagoo aan xasuusan karin fikirkiisii hore. Noocu weli wuxuu arki karay diiwaanka dhaqdhaqaaqyadii hore iyo qoraallo kooban oo la socday, balse ma arki karayn qorshayaashii, garashooyinkii ama fikradihii sababay.
Marka labaad, waxaan aragnay in dejinta dhammaystiran ay adeegsanaysay daaqad goyn wareegaysa, taas oo ficilladii hore qarineysay marka taariikhdu sii dheeraato. Sidaas darteed, GPT‑5.6 Sol ma ahayn oo keliya inuusan xasuusan karin fikirkiisii hore, balse wuxuu sidoo kale luminayay xusuusta ficilladiisii hore.
Labadan astaan ee dejinta dhammaystiran—tirtiridda caqliyeynta iyo goynta wareegaysa—ayaa si wadajir ah u sharraxay sababta GPT‑5.6 Sol ugu adkayd inuu wax barto marka wakhtigu socdo.
Noocyadeenna waxaa loo tababaray inay adeegsadaan fariimo caqliyeyn gaar ah ka hor inta aanay soo saarin jawaabo ama wicitaanno qalab. Fariimahan fikirka gaarka ah waxaa loo xafidaa qayb ka mid ah taariikhda wada-hadalka. Haddii wada-hadalku aad u dheeraado, waan soo koobnaa dabadeedna waan sii wadnaa.
Sidan ayaa noocyadeenna loo tababaray, waana sida loogu hawlgeliyo ChatGPT iyo Codex. Si uu si fiican ugu ekaado habaynta wax-soo-saarkayaga, waxaan dejinta dhammaystiran ee ARC-AGI-3 ku hirgelinnay Responses API(ku furmaa daaqad cusub)-gayaga. API-gayagu wuxuu fududeeyaa maaraynta macnaha guud: GPT‑5.6, gudbinta aqoonsiga jawaabtii hore waxay si toos ah caqliyeynta ugu xafidaa wicitaannada qalabka iyo wareegyada wada-hadalka.
Markii caqliyeynta la xafiday, waxaan aragnay laba isbeddel oo waaweyn. Marka hore, GPT‑5.6 Sol wuxuu fikirka ka horreeya ficil kasta ku bixinayay wakhti yar, maadaama uusan wareeg kasta ciyaarta dib uga fasiranayn bilowga. Marka labaad, markii uu xasuusan karay fikirradiisii hore, GPT‑5.6 Sol aad buu ugu fiicnaaday inuu wakhtiga wax ku barto oo uu adeegsado xeelado isku xidhan.
Horumarka xigay wuxuu ka yimid markii goynta wareegaysa lagu beddelay isku-soo-ururin(ku furmaa daaqad cusub), oo ah dejin kale oo ku jira Responses API.
Dejinta dhammaystiran ee ARC-AGI-3 waxay xaddidaadaha macnaha guud ku maaraysaa goyn wareegaysa. Marka macnaha guud ee wada-hadalku dhaafo 175,000 xaraf, fariimaha ugu da'da weyn waa la tirtiraa.
Goynta wareegaysaa waxay leedahay laba cilladood. Marka hore, noocu wuxuu lumiyaa indha-indhayntii iyo ficilladii hore. Marka labaad, hawlaha intiisa badan wuxuu ku shaqeeyaa shaashada macnaha guud oo aad u buuxda, taas oo waxqabadka wax yar hoos u dhigi karta.
Markii aan isku-soo-ururinta ka hawlgelinnay ARC-AGI-3, GPT‑5.6 Sol wuxuu si fiican u xafiday wixii uu ciyaar kasta ka bartay intii hawluhu dheeraayeen, wuxuuna gaaray dhibco sare isagoo soo saaraya qeybo-qoraallo yar.
Si loo muujiyo saamaynta xafididda caqliyeynta iyo hawlgelinta isku-soo-ururinta, halkan waxaa ku jira muuqaal dhaqdhaqaaq leh oo muujinaya shaashada macnaha guud ee 175K ee GPT‑5.6 Sol, marka uu dejin kasta ku xallinayo taxane halxiraalayaal ARC-AGI-3 ah.
Labada tiir ee dhexe waxay muujinayaan sida dejin kasta si ka duwan ugu adeegsato shaashada macnaha guud ee nooca. Maadaama uu si fiican u xasuusto wixii hore, GPT‑5.6 Sol ficil kasta fikir yar ayuu geliyaa, aadna wuu u dhakhso badan yahay. Fiiro gaar ah: hirgelintayadu waxay adeegsataa xad 175,000 oo qeybo-qoraallo ah halkii ay xarfo ka ahaan lahaayeen, balse natiijadu aad bay isugu dhowdahay, sababtoo ah qoraalka intiisa badan waa shabaqyada ficillada oo qeybo-qoraal sameeyahayagu u kala qaybiyo saamiga 1:1.
Xafididda caqliyeynta iyo isku-soo-ururintu waxay si wadajir ah GPT‑5.6 Sol (Max) u saamaxaan inuu gaaro dhibco qiyaastii 3x ka badan, isagoo soo saaraya qeybo-qoraallo 6x ka yar.
Waxaan rajaynaynaa in tijaabooyinkani ina xusuusiyaan in qiimaynnadu marar dhif ah noocyada gooni u cabbiraan—waxay sidoo kale cabbiraan xidhmo doorashooyin aan si weyn u muuqan oo ku saabsan dejimaha API, naqshadaynta dejinta dhammaystiran iyo hagidda. Tani ma aha markii ugu horreysay ee dhibco hoose oo imtixaan-beeg dadweyne naga yaabiyaan, dabadeedna aan ogaanno in barnaamijka qiimayntu adeegsanayay dejin dhammaystiran oo guud oo tirtiraysa fariimaha caqliyeynta.
Haddii aad tahay horumariye API oo doonaya inuu waxqabadka gaadhsiiyo heerka ugu sarreeya, waxaan kugula talinaynaa inaad adeegsato dejimaha aan ku hawlgelinno alaabtayada:
- Adeegso Responses API-gayaga, hana adeegsan API-ga dhammeystirka wada-sheekeysiga ee duugga ah
- Xafid caqliyeynta
- Adeegso isku-soo-ururin
Haddii aad noocyo isbarbardhigayso, waxaan kugula talinaynaa inaad ku tiirsanaato qiimaynnada adeegsada dejimaha kor ku xusan, kuwaas oo sida ugu fiican ugu dhigma isticmaalka dhabta ah ee ChatGPT iyo Codex.
Waxaan ARC uga mahadcelinaynaa sannadihii shaqada hal-abuurka lahayd ee qiimaynta AGI iyo falanqayntoodii nagu dhiirrigelisay inaan arrintan si qoto dheer u eegno.
Haddii aad doonayso inaad kartidaada la barbar dhigto noocyada ugu casriyeysan, adigu ku tijaabi ciyaaraha dadweynaha ee arcprize.org/tasks(ku furmaa daaqad cusub).
