幣界網消息，ARC-AGI-3論文將評測拆分為兩個排行榜。裸模型得分不到1%，而加上Agent框架後首日即達36%。官方排行榜禁止外部harness，所有模型使用同一極簡提示詞，不提供工具，測的是模型脫離腳手架後的原生智能。社區排行榜則允許harness，得分自報，ARC Prize默认不驗證，論文明確提醒「不應將社區排行榜上的分數解讀爲AGI進展的證據」。在官方排行榜上，前沿模型得分均低於1%。OpenAI稱評測框架拖累了GPT-5.6表現，但Opus使用同一框架得分高2.3倍。OpenAI隨後用自家Responses API重做評測框架，保留歷史推理，並壓縮過長的上下文，結果GPT-5.6的得分從13.3%升至38.3%。但問題在於，Opus使用的也是這套通用框架，得分为30.2%。框架確實拖累了GPT-5.6，卻沒有同樣拖垮Opus。