Bộ đánh giá trí tuệ nhân tạo tổng hợp ARC-AGI-3 vừa công bố kết quả thử nghiệm ấn tượng của mô hình GPT-6 Astra từ OpenAI. Đạt điểm số kỷ lục 99,9% trong bài kiểm tra Semi-Private với cấu hình Provider Adapter harness, Astra đã xác lập cột mốc mới (SOTA) trong việc đo lường khoảng cách giữa AI hiện tại và AGI.
ARC-AGI-3 là bộ benchmark thế hệ thứ ba thiết kế nhằm đánh giá năng lực agentic của AI trong môi trường mô phỏng trừu tượng. Kết quả cho thấy khi sử dụng Standard harness, Astra (max) đạt 62,7% với chi phí 26.000 USD, nhưng khi chuyển sang Provider Adapter harness giúp lưu giữ trạng thái lý luận chuyên sâu, phiên bản Astra (high) đạt tới 99,9% với chi phí 19.000 USD. Để so sánh, con người đạt tỷ lệ giải quyết 100% các bài thử nghiệm này với chi phí năng lượng não bộ chỉ khoảng 0,067 cent mỗi bài.
Điểm đáng chú ý là Astra không chỉ giải câu đố mà còn tự phát triển hệ thống ghi chú ký hiệu đại số thu nhỏ để theo dõi đối tượng, tọa độ và quy luật game. Mô hình cũng tự tạo ra các công cụ tùy chỉnh và thực thi hành động với hiệu suất tối ưu hơn hẳn so với người chơi thông thường trong nhóm thử nghiệm.
Kết quả này là minh chứng rõ nét cho thấy các agent AI đang tiến rất gần đến khả năng tư duy linh hoạt như con người, mở ra cơ hội lớn cho cộng đồng lập trình viên Việt Nam ứng dụng các agent lý luận cao cấp vào thực tế sản xuất.
Nguồn: Hacker News — Biên dịch & tổng hợp: danhbaai.com