OpenAIのGPT-6 Astraが、ルールが説明されないゲーム世界で試行錯誤する新ベンチマーク「ARC-AGI-3」で62.7%を記録し、GPT-5.6 Sol（7.78%）とClaude Opus 5（30.16%）を大きく引き離しました。ARC-AGI-3の設計者フランソワ・シヨレ氏は、想定の「約2倍の速さ」で進んだとして、2030年としていたAGI到来予測を前倒しすると述べています。
OpenAIがGPT-5.6（Sol／Terra／Luna）から2か月足らずで新モデル群「GPT-6 Astra」を投入しました。未知の問題解決を測るARC-AGI-3で98.6%、脆弱性の悪用能力を測るExploitBenchでは満点を記録し、API価格は入力100万トークン10ドル／出力50ドルと高価格帯に置かれています。
OpenAIは自社のResponses APIで「Retained Reasoning」と「Compaction」の2設定を使い、GPT-5.6 SolがARC-AGI-3で38.3%を記録しClaude Opus 5の30.2%を上回ったと主張しました。同じモデルがARC Prize公式の実行環境では7.8%にとどまっており、ARC Prize共同創業者のFrançois Chollet氏は「設定とコストを明示するなら汎用APIの設定は容認する」と応じています。
研究機関METRは、同じ改善を得るのにAIと人間のどちらが安く済むかを比較する新指標「expenditure horizon（支出ホライズン）」を提案しました。NanoGPTスピードランで6つのAIモデルを検証したところ、各モデルの支出ホライズンは0〜3,300ドルにとどまり、人間の総投入額の推定25万ドルに遠く及びませんでした。
AnthropicのClaude Opus 5が、未知タスクの推論を測るARC-AGI-3で30.2%を記録し、従来トップだったOpenAIのGPT-5.6 Sol(Max)の7.8%を大きく更新しました。ただし独立系ベンチマークWitnessでは伸びが小さく、ベンチマーク特化学習の可能性も指摘されています。