ARC-AGI-2
Resultados de evaluaciones comparativas de IA y rendimiento de modelos
Tipo: percentage
Resultados registrados
103
Puntuación media
26.04%
Rango de puntuaciones
0% - 90.42%
Modelo líder
90.42% - Claude Opus 5
Puntuaciones a lo largo del tiempo
Puntuaciones individuales de la evaluación a lo largo del tiempo.
Resultados de modelos
| Organización | Modelos | Fecha del resultado | Mejor puntuación | Información | Autodeclarado | Fuente |
|---|---|---|---|---|---|---|
| Claude Opus 5 | 24 jul 2026 | 90,42 % | ARC Prize Foundation verified semi-private evaluation; max effort | No | Fuente | |
| Claude 3.7 Sonnet | 24 feb 2025 | 90 % | 8k Thinking | No | Fuente | |
| o1 pro | 19 mar 2025 | 90 % | Low Reasoning Effort | No | Fuente | |
| GPT 5.2 Pro | 11 dic 2025 | 85,70 % | Medium Reasoning Effort | Sí | - | |
| GPT 5.5 | 23 abr 2026 | 85 % | Verified | Sí | Fuente | |
| GPT 4.5 Preview | 27 feb 2025 | 80 % | - | No | Fuente | |
| o1 mini | 12 sept 2024 | 80 % | - | No | Fuente | |
| Gemini 3.1 Pro Preview | 19 feb 2026 | 77,10 % | - | Sí | - | |
| Claude Opus 4.7 | 16 abr 2026 | 75,83 % | - | Sí | Fuente | |
| GPT 5 Pro | 07 ago 2025 | 73,30 % | inferred family alias from gpt-5.4 (score=0.4083; benches=19) | Sí | Fuente | |
| GPT 5 Search API | 14 oct 2025 | 73,30 % | inferred family alias from gpt-5.4 (score=0.3050; benches=19) | Sí | Fuente | |
| GPT 5.4 | 05 mar 2026 | 73,30 % | - | Sí | Fuente | |
| Claude Opus 4.6 | 05 feb 2026 | 69,17 % | ARC Prize Foundation private dataset; 120k thinking tokens; high effort | Sí | Fuente | |
| Claude Sonnet 4.6 | 17 feb 2026 | 60,42 % | ARC Prize Foundation private dataset; 120k thinking tokens; high effort | Sí | Fuente | |
| GPT 5.2 | 11 dic 2025 | 52,90 % | Extra High Reasoning Effort | Sí | - | |
| GPT 5.2 Chat | 11 dic 2025 | 52,90 % | inferred alias from gpt-5.2-2025-12-11 | Sí | Fuente | |
| Gemini 3 Pro Preview | 18 nov 2025 | 45,10 % | Deep Think, With Tools | Sí | Fuente | |
| Muse Spark | 08 abr 2026 | 42,50 % | Public set | Sí | Fuente | |
| GPT 4.1 | 14 abr 2025 | 40 % | - | No | Fuente | |
| Grok 3 Mini | 18 abr 2025 | 40 % | Low Reasoning Effort | No | Fuente | |
| Claude Opus 4.5 | 24 nov 2025 | 37,60 % | 64k Thinking | No | Fuente | |
| Seed 2.0 Pro | 14 feb 2026 | 37,50 % | Seed2 official benchmark table | ARC-AGI-2 | Sí | Fuente | |
| Gemini 3 Flash Preview | 17 dic 2025 | 33,60 % | - | Sí | Fuente | |
| Gemini 3 Pro Image Preview (Nano Banana Pro) | 20 nov 2025 | 31,10 % | inferred modality/version alias from gemini-3-pro-preview | Sí | Fuente | |
| GPT 5.1 | 12 nov 2025 | 17,60 % | High Reasoning Effort | No | Fuente |
