Astra 在 ARC-AGI-3 拿了 98.6%，但星号比数字还大

OpenAI 说 GPT-6 Astra 在 ARC-AGI-3 上拿了 98.6%，六个月前这个数字是 7.8%。在一个专门设计来抵抗记忆背题的基准上，半年涨了九十个点。然后 ARC Prize 公布了自己的测试数据，星号比标题还大。

同一个模型，两套 harness：用 ARC 的标准 harness，Astra 在半私有题集上是 62.7%，花费 2.6 万美元；用 OpenAI 自己的 provider adapter——基于 Responses API，轮次之间保留推理内容、用 compaction 管理长上下文——就是 99.9%，花费 1.9 万美元。差 37 个点，而且更好的那套 harness 还更便宜。ARC 的说法很直接：这个基准测的是 Astra 加上 OpenAI 的 agent 系统，不是模型本身。

说清楚，模型本身确实惊人——96% 的关卡上它的操作效率超过人类中位数，用比人更少的步数解题。但这次双 harness 对照，是"harness 不是管道，harness 就是能力"这个判断迄今最干净的公开证据。权重不动，换个脚手架，涨 37 个点。

留给所有排行榜一个不舒服的问题：榜上的数字，多少是模型，多少是壳？ARC Prize 的分析在 https://arcprize.org/blog/astra，完整结果在 https://arcprize.org/results/openai-gpt-6-astra。