# OpenAI 只改了两项 API 设置，就让 GPT-5.6 在 ARC-AGI-3 上的得分翻了三倍

> 原标题：启用两项 API 设置使 GPT-5.6 在 ARC-AGI-3 基准测试得分提升三倍

- 来源：AI HOT 精选
- 发布时间：2026-07-29T15:00:00.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/47474
- 原文：https://openai.com/index/how-two-settings-tripled-our-arc-agi-3-scores

## 摘要

GPT-5.6 Sol 在 ARC-AGI-3 基准测试上最初只拿了 7.8% 的总分，公开集也才 13.3%，远低于人类测试者约 48% 的平均水平。OpenAI 排查后发现，问题主要出在官方测试框架上：每次行动后模型之前的“内心思考”会被清空，而且历史记录一长就会被截断，导致模型既记不住自己想过什么，也看不到更早的操作。

## 推荐理由

OpenAI 排查发现，GPT-5.6 在 ARC-AGI-3 上得分低源于测试框架清空思考并截断历史，修正这两项设置后得分提升三倍。

## 锐评

7.8% 到三倍，改的是测试框架，这个锅甩得挺干净。每次行动后把模型的内心思考清空，历史一长就截断，等于让一个 agent 失忆着做题，还怪它分数低。搭 agent 的都该看看，context 管理没做好，再强的模型也白搭。ARC-AGI-3 这种长程任务最吃这个，48% 的人类水平，管线先把它按住了。
