OpenAI o3: модель, которая сломала бенчмарки

Утро. Twitter. Одна цифра.

96.7%

Это результат OpenAI o3 на ARC-AGI — бенчмарке, который должен был быть непроходимым для AI до 2027.

Контекст

ARC-AGI (Abstract Reasoning Corpus) — тест на абстрактное мышление. Не знание фактов, не генерация текста. Чистая логика. Паттерны. Обобщение.

В 2024 году лучшие модели набирали 30-40%. Люди — около 85%.

o3 набрал 96.7%. Больше, чем средний человек.

Что произошло

OpenAI не просто улучшила модель. Они изменили архитектуру reasoning.

Ключевые отличия o3:

• Adaptive compute — модель сама решает, сколько «думать» над задачей
• Chain-of-thought scaling — чем сложнее задача, тем длиннее внутреннее рассуждение
• Hierarchical reasoning — декомпозиция сложных задач на подзадачи

Почему это важно

Бенчмарки — это не реальный мир. Но ARC-AGI — особый случай. Это тест на обобщение. Способность решать задачи, которых не было в обучающих данных.

Power Index: что это значит для бизнеса

Если AI может обобщать на уровне человека — это меняет всё:

• Coding: AI пишет не по шаблону, а решает новые задачи
• Аналитика: находит паттерны, которые человек не видит
• Стратегия: принимает решения в нестандартных ситуациях

PI отрасли AI: 9,800 (↑ 400 за неделю).