“AGI（通用人工智能）即将到来”的乐观预期被狠狠打脸了。
全新AI基准测试ARC-AGI-3发布，结果：所有前沿大模型在该测试上的得分均低于1%，而100%的人类能在第一次尝试这些任务时解决。Gemini 3.1 Pro以0.37%领先，xAI的Grok 4.2拿到了刺眼的0%。
什么样的测试让顶尖大模型集体“吃鸭蛋”？ARC-AGI-3的题目不是传统意义上的“静态谜题”，而是实时交互的游戏环境：AI需要像人类一样，边玩边摸索规则，没有任何文字说明。
举个例子：FT09（重叠网格的模式匹配）
第一关：屏幕上同时显示两个叠加的网格图案，有的地方重合，有的地方分开。AI需要找出规律：哪些部分叠加后会变成新颜色？哪些保持原样？
第二关：网格布局变了，叠加的规则没变。但AI需要重新理解新的视觉输入，而不是简单复用上一关的“记忆”。
人类看一眼就能抽象出规则，AI却在记忆和泛化之间彻底迷失。
为什么这些题对AI这么难？关键在于：没有自然语言指令，没有示例答案，需要实时探索+建立世界模型+规划。
ARC-AGI-3测的是AI是否真的“理解”，而不是“背下来了”。那些得分0%的模型不是输在计算力，是输在“从零学习新规则并泛化”这个能力上。这才是AGI真正的门槛。
