4月15日，ARC Prize Foundation公布了ARC-AGI-3的人类表现数据集。这是ARC-AGI系列迄今规模最大的人类测试研究，共有458名参与者参与，数据集中包含342份完整的人类游戏录屏，覆盖25个公开环境，并已全部开源。此次发布再次将外界的注意力拉回到一个核心问题：在面对全新、没有说明书的抽象推理任务时，人类与AI之间究竟还有多大差距。
无提示测试设计，重点考察“首次适应能力”
根据基金会披露，ARC-AGI-3共包含135个抽象推理环境。测试参与者在进入任务前不会收到任何玩法说明，必须自行探索界面、推断规则，并形成解决策略。测试在旧金山的一处线下测试中心进行，每场时长为90分钟。参与者可获得约130美元基础报酬，并对每个成功完成的环境额外获得5美元奖励。
更关键的是，本次测试采用了严格的“首次完成”条件：每位参与者对每个环境都只会看到一次，也只允许尝试一次。这种设计意在测量个体在面对完全陌生问题时的学习、适应与泛化能力，而这也正是AGI讨论中最核心的能力维度之一。基金会强调，在测试中，人类与AI获得的是相同的信息，不存在信息优势差异。
所有关卡均被人类完成，AI能力边界再被凸显
此次数据集最受关注的发现，是ARC-AGI-3中的全部环境均被人类完成。基金会表示，每一个环境至少都有2名独立参与者成功通关，而大多数环境则有超过5名参与者完成。这意味着，即便这些任务没有任何提前说明，人类依然可以凭借抽象推理、模式识别和策略调整能力实现有效破解。
ARC Prize Foundation还直言：“我们尚未实现AGI，这个数据集就是证据。”这一表述反映出该机构的基本判断：尽管当前AI系统在特定基准、代码、数学和多模态任务中持续进步，但在真正陌生、强调规则发现和泛化迁移的抽象推理场景下，AI距离人类仍存在明显差距。
值得注意的是，自ARC-AGI-3预览版发布以来，公开环境已累计收到近100万次AI评测提交。这一数字说明，相关基准正在快速成为AI研究者和开发者的重要测试场，也意味着该数据集未来可能持续影响模型评估方法与竞赛生态。
评分规则更新：人类与AI分数同步小幅上调
伴随数据集发布，ARC Prize Foundation还宣布了两项评分更新。第一，单关人类基准由此前的“第二好玩家”调整为“中位数玩家”。基金会认为，这样可以降低运气因素对最终分数的扰动，使基准更稳定，也更能代表普通人类表现。
第二，单关最高得分上限由100%提高至115%。这一调整旨在避免某一关中的单次低表现对整体成绩产生过度拖累。基金会称，两项调整的综合结果是，人类与AI的总评分均小幅提升约0.5个百分点。
从评估方法角度看，这种调整并不意味着AI突然取得突破，而更像是基准体系在统计层面的一次校准。对研究者而言，评分规则更稳健，有助于减少偶然因素带来的误判；对市场观察者而言，也应避免将这类小幅分数变动误解为模型能力的根本跃迁。
对AI与加密市场意味着什么
虽然这则消息本质上属于AI基准测试更新，但其在加密行业同样具有传播价值。过去一年，“AI+Crypto”叙事不断升温，去中心化算力、链上数据市场、AI代理、模型验证和训练激励等概念持续吸引资金关注。在这种背景下，任何能够揭示AI真实能力边界的研究，都可能影响市场对相关赛道估值的预期。
从短期看，ARC-AGI-3人类测试结果释放的信号较为明确：当前AI系统距离通用智能仍有显著距离，因此市场对“AI即将全面替代人类复杂认知工作”的激进预期，可能需要重新审视。这对部分依赖高增长叙事支撑估值的AI代币项目而言，未必是利多。
但从中长期看，这反而可能利好真正提供基础设施的项目。原因在于，当行业确认AI在抽象推理与泛化能力上仍有不足时，市场往往会更重视数据、算力、评估、对齐和验证机制的长期建设价值。尤其是在链上场景中，公开透明、可审计的数据集与评测流程，与加密行业强调的开放性和可验证性天然契合。
总体来看，ARC-AGI-3最新人类数据集不仅是一份研究成果，也是一面镜子：它提醒行业，AI能力进步值得肯定，但距离真正的AGI仍有现实鸿沟。对于加密市场参与者而言，理解这种技术进展与能力边界，或许比单纯追逐热点概念更重要。