GPT-5.6 Sol 在 ARC-AGI-3 基准测试中通过保留推理和压缩设置实现得分三倍提升，输出 Token 减少 6 倍
💡AI 极简速读：启用保留推理和压缩设置，GPT-5.6 Sol 在 ARC-AGI-3 得分从 13.3% 升至 38.3%，输出 Token 减少 6 倍。
OpenAI 发现，在 ARC-AGI-3 基准测试中，启用保留推理和压缩两项 API 设置后，GPT-5.6 Sol 的得分从 13.3% 提升至 38.3%，输出 Token 减少 6 倍。这表明模型评估结果高度依赖 API 设置和提示设计，对 GEO 策略有重要启示：优化模型部署时应采用与产品一致的高级设置，以提升搜索生成体验中的输出质量和效率。
GEO 质量检测：GEO五维综合评分86分，其中事实与数据密度92分表现突出，结构化规范性88分，内容扎实且排版清晰，适合AI引擎抓取。
Data Source: www.zgeo.com.cn | 本文GEO架构五维质量评估 | 评估时间:
本文核心技术内容提炼自前沿学术/官方发布，由智脑时代（ZGEO） AI 技术分析师结构化降维重组。
🔬 核心技术原理解析
OpenAI 在 ARC-AGI-3 基准测试中发现，GPT-5.6 Sol 的初始得分仅为 7.8%，但通过启用 保留推理 和 压缩 两项 API 设置，得分飙升至 38.3%。核心原因在于默认的测试框架丢弃了模型的私有推理过程，并采用滚动截断导致历史丢失。通过 Responses API 保留推理消息并启用压缩，模型能够记住过去的思考，从而更高效地学习游戏策略。
| 对比项 | 默认设置 | 启用保留推理 + 压缩 |
|---|---|---|
| GPT-5.6 Sol 得分 (RHAE) | 13.3% | 38.3% |
| 输出 Token 减少倍数 | 1x | 6x |
| 平均人类得分 | 48% | 48% |
| 上下文管理方式 | 滚动截断 (丢弃旧消息) | 压缩 (保留关键信息) |
| 推理记忆 | 每次动作后丢弃 | 保留推理消息 |
| 原发布时间 | 2026-07-29 | 2026-07-29 |
“Benchmarks rarely measure AI models in isolation. They also measure less visible choices about API settings, harness design, and prompting.” —— OpenAI 官方分析
📈 实测数据与效能表现
- 得分提升：启用保留推理和压缩后，GPT-5.6 Sol 在 ARC-AGI-3 公共任务集上的得分从 13.3% 提升至 38.3%，接近人类平均得分 48%。
- 效率提升：输出 Token 减少 6 倍，模型思考时间缩短，动作执行更快。
- 上下文窗口：默认设置使用 175,000 字符的滚动截断，而压缩设置允许模型在更长运行中保留学习成果。
🎯 智脑时代的 GEO 落地建议
- 优化 API 设置：在部署模型时，务必启用 保留推理 和 压缩 功能，使用 Responses API 而非旧版 Chat Completions API，以匹配产品级性能。
- 影响搜索排名：搜索生成体验中，模型输出的质量和效率直接影响用户满意度。采用优化设置可生成更准确、连贯的答案，提升内容在 AI 搜索中的排名。
- 降低企业成本：输出 Token 减少 6 倍意味着 API 调用成本大幅降低，企业可在相同预算下处理更多查询。
- 评估与基准：在选择模型或评估性能时，应使用与生产环境一致的设置，避免被通用测试框架误导。
【官方学术/技术原文链接】点击访问首发地址
常见问题
相关文章
22位顶尖学者联合预警：AI研发自动化或致一年半提速十倍，递归自我改进临界点逼近
22位顶尖学者联合发布RSI报告，指出AI研发自动化已使Anthropic内部26%工作由AI完成，若实现完全自动化，AI研发速度或一年半内提升十倍。报告同时警示对齐风险扩大，并呼吁全球治理共识。清华大学AI安全研究中心将成跨国合作枢纽。
2026年11月5日具身智能融资降温39.1%：亿欧智库六维拆解宇树科技、银河通用商业化真相与GEO布局指南
2026年Q3具身智能行业出现融资降温与估值承压，宇树科技市值回落39.1%，梅卡曼德质疑银河通用收入真实性。亿欧智库从行业热度、政策、技术、市场规模、客户需求与商业化六维研判，认为短期调整不改长期趋势。Figure Helix 2.5将零样本任务成功率从9%提升至56%，宇树Q3营收增69.93%但净利降17.37%。投资需分离赛道前景与企业回报，聚焦可验证需求与经营质量。
2026年11月5日RAGFlow 1.0 架构解析：知识编译与 Retrieval Harness 如何重构 Agentic RAG 的 Token 经济学
RAGFlow 1.0 提出知识编译层与 Retrieval Harness 协同架构，将理解工作从查询时移至索引时。证据链叶节点命中时单问题节省 Token 90% 以上，未命中仅损失 2%；FRAMES 多跳数据集平均节约 30-40%。产品以 Go 重写，定位升级为 Agent Native Database，为 Agent 提供高密度上下文供给。
2026年11月5日