ARC-AGI-3 被視為測試 AI 真正通用推理能力的重要基準。近期 Prime Agent 宣稱搭配 Anthropic Claude Opus 5，在 ARC-AGI-3 公開測試集取得 95.5% 的成績，引發 AI 社群廣泛討論。

重點不只在於跑分本身，而是這次成績背後的架構意義：Prime Agent 作為一個 Harness 框架，負責協調長任務分解、多 Agent 協作與自我改進迴圈，而 Opus 5 則作為底層推理引擎。這項組合顯示，當前 AI 能力的天花板愈來愈取決於模型外部的 orchestration 設計，而非單純的模型參數規模。

重點

  • ARC-AGI-3 95.5%：Prime Agent + Claude Opus 5 在公開測試集的宣稱成績
  • Harness 框架崛起：外圍架構（任務分解、多 Agent、自我改進）成為 AI 能力新關鍵
  • 長任務處理：Prime Agent 設計針對複雜、多步驟任務進行端對端管理
  • 能力轉移趨勢：模型能力邊界正從訓練資料轉向 agentic 執行框架

編輯按

這是值得密切追蹤的趨勢轉折點。當各大 LLM 廠商的底層模型性能趨於收斂，誰能在 Harness / orchestration 框架上做出差異化，誰就掌握下一輪 AI 應用的競爭優勢。Prime Agent 的出現，可能預示著「模型即服務」將逐漸讓位給「框架即服務」。

本文由 AI 整理，原文：AI郵報