6 выходцев из Google научили ChatGPT побеждать людей в тесте на AGI

6 выходцев из Google DeepMind основали стартап Poetiq и добились 75% на бенчмарке ARC-AGI-2. Это тест на гибкий интеллект от Франсуа Шолле. Средний человек на том же тесте набирает 60%. Вот вам и очередная граница пала.

Результат получен на GPT-5.2 X-High при стоимости менее $8 за задачу. Но никакой специальной оптимизации под GPT-5.2 в Poetiq не проводили. Просто взяли существующую обвязку, применили к новой модели — и поехали.

Философия Poetiq — не париться с созданием собственных моделей, а строить мета-систему, которая дёргает чужие модели и выжимает из них максимум. Механика простая: цикл «генерация, критика, уточнение». Система не тупо отправляет запрос и ждёт ответ. Она генерирует решение, разбирает его на части, получает обратную связь и снова лезет к модели для улучшения. Ключевая фишка — самоаудит. Система сама решает, когда ответ норм, и останавливается. В среднем меньше 2 запросов на задачу.

ARC-AGI-2 — тест для измерения способности ИИ осваивать новые навыки за пределами обучающих данных. Задачи — визуальные головоломки с цветными квадратами. Когда тест вышел в марте 25, лучшие модели набирали 1-4%. А сейчас человек проиграл.

Авторы бенчмарка из ARC Prize назвали 25 «годом уточняющих циклов». Прогресс теперь обеспечивают не модели, а системы проверки и улучшения результатов поверх них. Получается, что важнее не мозги модели, а умение правильно её переспрашивать. Вот вам и AGI.