Два параметра API утроили результаты GPT-5.6 на тесте ARC-AGI-3
OpenAI сообщила, что включение двух настроек в API позволило GPT-5.6 втрое улучшить показатели на бенчмарке ARC-AGI-3, сохранив способность к рассуждениям и повысив эффективность.
Бенчмарк ARC-AGI-3 (Abstraction and Reasoning Corpus) считается одним из самых сложных тестов для современных ИИ-моделей. Он проверяет способность к абстрактному мышлению и обобщению, а не просто запоминанию паттернов. До недавнего времени даже передовые модели демонстрировали на нём скромные результаты. Однако новое исследование OpenAI показало, что правильная настройка API способна кардинально изменить ситуацию.
Что произошло
В блоге OpenAI описано, как включение двух параметров в API для модели GPT-5.6 привело к трёхкратному росту баллов на ARC-AGI-3. Первый параметр — retain reasoning — заставляет модель сохранять промежуточные логические цепочки, не отбрасывая их в процессе генерации. Второй — compaction — сжимает избыточные шаги рассуждения, оставляя только ключевые. Вместе они позволяют модели глубже анализировать задачу, не увеличивая время ответа.
Почему это важно
Ранее считалось, что для улучшения результатов на абстрактных задачах требуется либо наращивать размер модели, либо использовать специализированное обучение. Данный эксперимент показал, что тонкая настройка инференса может дать сопоставимый или даже больший прирост без дополнительных вычислительных затрат. Это особенно ценно для разработчиков, которые хотят повысить качество ответов без увеличения бюджета на API.
«Сохранение рассуждений и компактизация — это не просто хитрости, а фундаментальные принципы, которые позволяют модели мыслить глубже, не теряя в скорости. Мы ожидаем, что эти настройки станут стандартом для сложных задач», — отметил представитель OpenAI в комментарии к блогу.
Что дальше
OpenAI планирует включить обе настройки в состав стандартных параметров API для GPT-5.6 и последующих версий. Разработчики уже могут протестировать их в режиме бета-доступа. Аналитики полагают, что успех на ARC-AGI-3 может подтолкнуть к внедрению аналогичных механизмов в других моделях, включая открытые альтернативы. В долгосрочной перспективе это приближает нас к AGI, способному решать задачи, требующие настоящего понимания.
Материал подготовлен с помощью ИИ на основе открытых источников и может содержать неточности. Нашли ошибку — напишите на hello@tolk.media.