GPT-5.2准确率达75%创纪录，无需微调的辅助系统是关键
免费影视、动漫、音乐、游戏、小说资源长期稳定更新！ 👉 点此立即查看 👈
编辑 | 杜伟、陈陈
什么？决定 AI 上限的已不再是底座模型，而是外围的「推理编排」（Orchestration）。
在 LLM 完全不变的前提下，仅靠一套 Agentic System，就能让 AI 的智力表现原地暴涨一截。
在看了「AI 推理和自我改进系统」初创公司 Poetiq 的最新评测之后，有人得出了这样的结论。
部分截图
近日，Poetiq 表示其使用 ARC-AGI-2 测试集，在他们的系统上（称为 meta-system）运行了 GPT-5.2 X-High。该测试集通常被用来衡量当前 SOTA 模型在复杂抽象推理任务上的表现。
结果显示，在相同的 Poetiq 测试平台上，GPT‑5.2 X‑High 在完整的 PUBLIC-EVAL 数据集上的成绩高达 75%，这比之前的 SOTA 高出了约 15%，同时每个问题的成本低于 8 美元。
这里的 PUBLIC-EVAL 是 ARC 测试的一部分，前者一般包含基础推理任务和标准的 NLP、数学推理测试，适合广泛的模型评测，数据集更为公开、标准；后者包含更多复杂且富有挑战性的推理问题，考察模型的抽象推理、常识推理、创新能力等，是针对高水平模型的推理极限测试。
下图展示了各个 SOTA 模型在 PUBLIC-EVAL 数据集上的成绩分布：
Poetiq 还特别强调了，其没有对 GPT-5.2 进行任何再训练或模型特定的优化。
在如此短的时间内，相较于 Poetiq 之前在 PUBLIC-EVAL 数据集上测试的其他模型，GPT-5.2 在准确率和价格方面实现了显著改进。
Poetiq 进一步做出设想：如果在 PUBLIC-EVAL 测试中表现好的规律能够延续到 ARC Prize 最新的 SEMI-PRIVATE 测试中，那么「GPT-5.2 X-High + Poetiq」会比以往任何系统配置都更强、更好。
ARC Prize 总裁 Greg Kamradt 表示，「很高兴看到 Poetiq 发布 GPT-5.2 X-High 的结果。如果这个成绩能保持下去，他们的系统看起来能很好地处理模型交换。不过，在 OpenAI API 的基础设施问题解决之前，结果还没有得到完全验证。」
这里的模型交换指的是：系统通过切换不同的模型来应对不同的任务需求，而无需对系统或模型进行大规模的调整或重新训练。
OpenAI 总裁 Greg Brockman 也转推表示：GPT-5.2 在 ARC-AGI-2 上超越人类基准成绩。
对于全新的测试结果，评论区提出了更多问题，比如「每个任务平均需要多长时间」。
Poetiq 回复称，「我们现在没有专门收集这些统计数据，最简单的问题大概在 8 到 10 分钟后就能完成，而最难的问题必须在 12 小时之前终止，以保持在时间限制内。所以，未来肯定还有改进的空间。」
还有人指出「大部分改进似乎来自于测试框架和协调机制，而不是任何模型特定的调优。没有训练变更的情况下，ARC-AGI-2 上提高了大约 15%，这表明仅在搜索、路由和终止逻辑方面就还有很大的提升空间」。
可问题是：为什么在这个设置中，X-High 每个任务的成本比 High 还要低？是因为它通过更早找到正确的解决方案而更快收敛，还是因为测试框架更积极地修剪了无效的推理过程？
对于这个问题，Poetiq 肯定了「X-High 只是比 High 更快地收敛到正确的答案」这一观点。
6 人团队打造 Meta-system 系统
Poetiq 是一支由 6 位研究员和工程师组成的团队，有多位核心成员来自 Google DeepMind 。
Ian Fischer (联合创始人 & 联席 CEO): 曾是 Google DeepMind 的资深研究员；Shumeet Baluja (联合创始人 & 联席 CEO): 同样出身于 Google/DeepMind 的资深专家。
Poetiq 能够取得上述成绩，关键在于其构建的meta-system（元系统）。
Meta-system 不依赖特定的大模型，可以与任何前沿模型配合使用（如 Gemini 3、GPT-5.1、Grok 等），而不是训练或微调模型本身，这意味着它能随着新模型发布快速适配并提升性能。
Poetiq meta-system 构建了一种迭代式推理过程，其与传统一次性生成答案的方法不同，有两个主要机制：
迭代式的问题求解循环：系统并不是只向模型提出一次问题，而是利用大语言模型（LLM）生成一个潜在的解决方案，随后接收反馈、分析反馈，并再次调用 LLM 对方案进行改进。这种多步骤、自我改进的过程，使系统能够逐步构建并不断完善最终答案。自我审计（Self-Auditing）：系统能够自主审计自身的运行进度，并自行判断何时已经获得足够的信息、当前解决方案是否令人满意，从而决定终止整个过程。这种自我监控机制对于避免不必要的计算浪费、有效降低整体成本至关重要。
Poetiq 还特别强调，他们所有 meta-system 的适配工作是在新模型发布前完成的，而且系统从未直接接触过 ARC-AGI 任务集，但依然在多个不同模型上取得跨版本、跨模型族的性能提升，说明 meta-system 对 reasoning 策略具有良好的泛化能力。
正是这种灵活、强大且具备递归能力的架构，使得 Poetiq 这样一支小规模团队，能够在极短时间内取得一系列最先进（SOTA）的成果。
对于这个 meta-system，有人认为「太棒了。在模型之上构建智能，而不是在模型内部构建，意味着可以在几个小时内适配新模型，非常高明。适配开源模型，并且成功迁移到新的封闭模型，这表明捕捉到的东西是推理过程本身的基本规律，而不是模型特定的怪癖。」
参考链接：
https://poetiq.ai/posts/arcagi_verified/
相关攻略
一个学生忽视了一行代码，结果发现了一件很不对劲的事：在一个多模态医学AI项目中，这行代码原本负责让模型读取图像数据。但因为这次疏忽，模型实际上完全没有看到任何图片。按理说系统应该报错，或者至少拒绝回
雷递网 乐天 3月31日智谱CEO张鹏今日在智谱2025年年报沟通会上表示，智谱曾经历过质疑，经历过挫折，但无数事实反复验证了一个判断——智能上界的提升，是大模型AGI时代唯一的 "第一性 "。张鹏说，
快科技3月31日消息，近日，比利时布鲁塞尔自由大学（VUB）数据分析实验室发布重磅研究成果，证实商用大型语言模型已具备独立生成原创数学证明的能力。OpenAI旗下ChatGPT-5 2(Thinki
这项由谷歌智能范式团队联合芝加哥大学、圣塔菲研究所等多家机构完成的突破性研究发表于2026年3月，研究编号为arXiv:2603 20639v1。有兴趣深入了解的读者可以通过这个编号查询完整论文。这
这项由高通AI研究院领导的突破性研究发表于2026年3月的预印本论文，论文编号为arXiv:2603 08462v1。有兴趣深入了解的读者可以通过该编号查询完整论文。这项研究解决了一个让所有AI研究
热门专题
热门推荐
《和平精英》战斗军犬全方位使用指南：从特性解析到实战精通 在《和平精英》中选用战斗军犬作为战术伙伴，首先需要深入理解其核心特性与定位。军犬堪称战场的“生物侦察系统”，其卓越的追踪与索敌能力，能为你精准捕捉敌人的足迹与动向。自跳伞开始，你的战术规划就应将军犬纳入其中——预先评估落点周边的地形与建筑布局
《无限轮回》主线第三章红妆阁全攻略：地图、怪物与关键线索全解析 各位探索者，你是否正因《无限轮回》主线第三章“红妆阁”的复杂谜题与强敌而止步不前？无需焦虑，这份详尽的全流程通关攻略将为你层层剖析。从精细地图解析到怪物机制拆解，再到核心藏品与剧情线索的位置说明，所有关键信息一网打尽。阅读本文后，你将获
死亡搁浅2发明家岛屿前往方法路线全攻略 在《死亡搁浅2》的宏大世界中，发明家岛屿是一个充满机遇与秘密的重要地点。它如同地图上的一颗明珠，吸引着玩家前往探索。然而抵达之路并非一帆风顺，需要策略与准备。这份指南将为你详细解析前往发明家岛屿的完整流程与要点。 推进主线剧情，解锁关键任务节点 前往发明家岛屿
远光84梅歇尔高手进阶：全面玩法技巧与实战教学 许多《远光84》的玩家都想知道，游戏中的强力角色梅歇尔究竟该如何驾驭？本篇攻略将为你深度解析她的核心玩法与实战技巧，助你从入门到精通，充分发挥这位角色的战场统治力。 远光84梅歇尔深度技巧攻略： 技能释放的精髓 梅歇尔的技能组合兼具灵活性与高额伤害，掌
如何在《明日方舟：终末地》中为洛茜搭配武器：提升输出循环与技能收益的关键攻略 各位博士，大家好。在《明日方舟：终末地》中，六星近卫干员洛茜凭借独特的物火混伤与破防叠加机制，成为了战场上的关键角色。她的武器选择，不仅直接影响输出手感的流畅度，更决定了技能加成的最终上限。本文将为您提供一套详尽的洛茜武器