Opus 5が生の代数演算でARC-AGI-3の記録を粉砕した方法

AnthropicのClaude Opus 5は、ARC-AGI-3ベンチマークで30.2％を獲得し、OpenAIのGPT-5.6 Sol記録の7.8％を圧倒した。このモデルは、タスクを代数表記に翻訳し、反射方程式を定式化して、以前は解決できなかった5つの環境を解決するといった新しい動作を示した。ARC Prizeは、このリードを、実際に優れた論理的推論が可能になり、未知の環境での自律計画を可能にしたためとしている。しかし、Guanghan NingのWitnessベンチマークでの独立したテストでは、Opus 5はFable 5などの競合他社と同点にとどまっており、より狭いジャンル特有の利益しか示していないことを示している。開発者は、この生の推論が実稼働で維持されるかどうか、または単にターゲットを絞った強化学習を反映しているだけであるかどうかを監視する必要がある。