ARC-AGI-2
AI बेंचमार्क के परिणाम और मॉडल का प्रदर्शन
प्रकार: percentage
दर्ज परिणाम
103
औसत स्कोर
26.04%
स्कोर सीमा
0% - 90.42%
अग्रणी मॉडल
90.42% - Claude Opus 5
समय के साथ स्कोर
तारीख के अनुसार दिखाए गए अलग-अलग बेंचमार्क स्कोर।
मॉडल परिणाम
| संगठन | मॉडल | रिपोर्ट किया गया | सबसे ऊँचा स्कोर | जानकारी | स्व-रिपोर्ट किया गया | स्रोत |
|---|---|---|---|---|---|---|
| Claude Opus 5 | 24 जुल॰ 2026 | 90.42% | ARC Prize Foundation verified semi-private evaluation; max effort | नहीं | स्रोत | |
| Claude 3.7 Sonnet | 24 फ़र॰ 2025 | 90% | 8k Thinking | नहीं | स्रोत | |
| o1 pro | 19 मार्च 2025 | 90% | Low Reasoning Effort | नहीं | स्रोत | |
| GPT 5.2 Pro | 11 दिस॰ 2025 | 85.70% | Medium Reasoning Effort | हाँ | - | |
| GPT 5.5 | 23 अप्रैल 2026 | 85% | Verified | हाँ | स्रोत | |
| GPT 4.5 Preview | 27 फ़र॰ 2025 | 80% | - | नहीं | स्रोत | |
| o1 mini | 12 सित॰ 2024 | 80% | - | नहीं | स्रोत | |
| Gemini 3.1 Pro Preview | 19 फ़र॰ 2026 | 77.10% | - | हाँ | - | |
| Claude Opus 4.7 | 16 अप्रैल 2026 | 75.83% | - | हाँ | स्रोत | |
| GPT 5 Pro | 07 अग॰ 2025 | 73.30% | inferred family alias from gpt-5.4 (score=0.4083; benches=19) | हाँ | स्रोत | |
| GPT 5 Search API | 14 अक्टू॰ 2025 | 73.30% | inferred family alias from gpt-5.4 (score=0.3050; benches=19) | हाँ | स्रोत | |
| GPT 5.4 | 05 मार्च 2026 | 73.30% | - | हाँ | स्रोत | |
| Claude Opus 4.6 | 05 फ़र॰ 2026 | 69.17% | ARC Prize Foundation private dataset; 120k thinking tokens; high effort | हाँ | स्रोत | |
| Claude Sonnet 4.6 | 17 फ़र॰ 2026 | 60.42% | ARC Prize Foundation private dataset; 120k thinking tokens; high effort | हाँ | स्रोत | |
| GPT 5.2 | 11 दिस॰ 2025 | 52.90% | Extra High Reasoning Effort | हाँ | - | |
| GPT 5.2 Chat | 11 दिस॰ 2025 | 52.90% | inferred alias from gpt-5.2-2025-12-11 | हाँ | स्रोत | |
| Gemini 3 Pro Preview | 18 नव॰ 2025 | 45.10% | Deep Think, With Tools | हाँ | स्रोत | |
| Muse Spark | 08 अप्रैल 2026 | 42.50% | Public set | हाँ | स्रोत | |
| GPT 4.1 | 14 अप्रैल 2025 | 40% | - | नहीं | स्रोत | |
| Grok 3 Mini | 18 अप्रैल 2025 | 40% | Low Reasoning Effort | नहीं | स्रोत | |
| Claude Opus 4.5 | 24 नव॰ 2025 | 37.60% | 64k Thinking | नहीं | स्रोत | |
| Seed 2.0 Pro | 14 फ़र॰ 2026 | 37.50% | Seed2 official benchmark table | ARC-AGI-2 | हाँ | स्रोत | |
| Gemini 3 Flash Preview | 17 दिस॰ 2025 | 33.60% | - | हाँ | स्रोत | |
| Gemini 3 Pro Image Preview (Nano Banana Pro) | 20 नव॰ 2025 | 31.10% | inferred modality/version alias from gemini-3-pro-preview | हाँ | स्रोत | |
| GPT 5.1 | 12 नव॰ 2025 | 17.60% | High Reasoning Effort | नहीं | स्रोत |
