OpenAI称GPT-5.6 Sol在ARC-AGI-3测试中胜过Opus 5，但仅限自建测试环境

OpenAI发布对比数据但测试条件存差异

OpenAI对外公布GPT-5.6 Sol在ARC-AGI-3基准上的表现，称其得分为38.3%，高于Anthropic发布的Claude Opus 5的30.2%。然而，该高分结果依赖于OpenAI自建的API测试环境，该环境支持保留完整推理过程及上下文压缩功能。

官方环境得分大幅回落

在ARC-AGI-3项目方提供的标准、公开测试环境中，GPT-5.6 Sol的实际得分为7.8%，远低于Opus 5在相同环境下的30.2%。这意味着模型性能优势高度依赖特定工程优化，而非通用能力提升。

测试方法引发可比性质疑

Anthropic未使用类似推理链保留或上下文压缩机制即达成30.2%成绩，而OpenAI的高分需叠加多项定制化部署策略。目前ARC-AGI-3尚未定义统一测试协议，不同厂商的实现路径差异正引发对跨模型公平比较的讨论。