币界网消息，ARC-AGI-3论文将评测拆分为两个排行榜。裸模型得分不到1%，而加上Agent框架后首日即达36%。官方排行榜禁止外部harness，所有模型使用同一极简提示词，不提供工具，测的是模型脱离脚手架后的原生智能。社区排行榜则允许harness，得分自报，ARC Prize默认不验证，论文明确提醒「不应将社区排行榜上的分数解读为AGI进展的证据」。在官方排行榜上，前沿模型得分均低于1%。OpenAI称评测框架拖累GPT-5.6表现，但Opus 5用同一框架分数高2.3倍。OpenAI随后用自家Responses API重做评测框架，保留历史推理，并压缩过长的上下文，结果GPT-5.6的得分从13.3%升至38.3%。但问题在于，Opus 5用的也是这套通用框架，得分为30.2%。框架确实拖累了GPT-5.6，却没有同样拖垮Opus 5。