OpenAI 声称 GPT-5.6 Sol 在 ARC-AGI-3 击败 Opus 5 但仅限自定义测试

OpenAI 声称其 GPT-5.6 Sol 模型在 ARC-AGI-3 基准测试中达到 38.3% 的分数，超过 Anthropic Opus 5 的 30.2%，但该结果仅通过 OpenAI 自定义测试环境实现，官方标准测试下仅得 7.8%。