通过调整两个API设置，GPT-5.6在ARC-AGI-3基准测试中的得分提升至原来的三倍，同时通过保留推理能力和启用压缩功能，显著提高了模型性能与效率。

详细分析

这一消息在人工智能领域引起了广泛关注，因为它揭示了在大型语言模型（LLM）的部署和优化中，除了模型架构和训练数据外，推理过程中的配置参数同样具有决定性作用。ARC-AGI-3作为衡量模型抽象推理和泛化能力的重要基准，其难度远超前代，被视为迈向通用人工智能（AGI）的关键测试之一。此前，业界普遍认为提升模型在复杂基准上的表现需要更大的参数量或更精细的微调，而此次仅靠两个API设置（保留推理链和启用压缩）就实现了三倍得分跃升，不仅极大降低了算力成本，还缩短了推理时间，为LLM在资源受限环境下的应用提供了新思路。从行业数据看，OpenAI最近的API调用量持续增长，企业客户对高效推断的需求上升，而此优化技巧可能成为模型即服务（MaaS）领域的新卖点。竞争对手包括Google DeepMind、Anthropic等也在探索类似的推理时优化，但公开披露如此显著的收益尚属首次。这一进展可能推动行业重新审视推理阶段的设计，催化更多关于上下文压缩和思维链保留的研究。然而，有专家指出，该设置是否适用于其他基准或真实复杂任务仍需验证，且压缩可能牺牲部分可解释性。总体而言，这不仅是技术上的小突破，更暗示了现有模型潜力远未挖掘，通过系统级调优即可实现性能飞跃，这对AI产业的投资方向和应用落地将产生深远影响。

一个看似微小的配置调整，却揭示了大型模型潜力的冰山一角，提示未来AI竞赛不仅是模型之争，更是推理效率之战。

原文：OpenAI Blog