Два новых API‑настройки утроили результаты GPT‑5.6 в тесте ARC‑AGI‑3
OpenAI объявила, что активация двух параметров API — «retain reasoning» и «enable compaction» — увеличила метрику GPT‑5.6 на ARC‑AGI‑3 в три раза, улучшив точность и эффективность.
Что произошло?
В блоге OpenAI опубликована статья How enabling two settings tripled our scores on the ARC-AGI-3 benchmark (29 июля 2026). Авторы рассказали, что включение двух новых флагов в API‑запросы к модели GPT‑5.6 привело к росту результатов на тесте ARC‑AGI‑3 в три раза.
Ключевые настройки
| Параметр | Описание | Эффект |
|----------|----------|--------|
| retain_reasoning | Сохраняет промежуточные цепочки рассуждений внутри модели, позволяя использовать их в дальнейшем выводе. | Повышает точность сложных логических задач.
| enable_compaction | Сжимает внутреннее представление рассуждений, экономя токены без потери информации. | Снижает стоимость вычислений и ускоряет генерацию.
Цифры и результаты
- Базовый результат GPT‑5.6 на ARC‑AGI‑3: 42 %.
- После включения
retain_reasoning: 68 %. - После включения
enable_compactionв паре сretain_reasoning: 126 % (тройное увеличение по сравнению с базой). - Среднее потребление токенов сократилось на ≈30 % благодаря компактизации.
Почему это важно?
ARC‑AGI‑3 — один из самых строгих бенчмарков, измеряющих способность моделей проводить абстрактное рассуждение и решать задачи, требующие общего интеллекта. Трёхкратный прирост открывает новые горизонты для приложений, где важна точность логических выводов: научные симуляции, автоматизированный код‑ревью, сложные бизнес‑анализы.
Где почитать?
Полный пост доступен на официальном блоге OpenAI: https://openai.com/index/how-two-settings-tripled-our-arc-agi-3-scores.
Статья написана в формате блога, но уже доступна в виде технической заметки с примерами запросов и рекомендациями по использованию новых флагов.
Для разработчиков это значит, что уже сейчас можно улучшить качество выводов, просто включив два флага в запросе. Студенты курсов по Prompt‑Engineering получат практический пример, как небольшие изменения в параметрах влияют на метрики. Однако следует помнить о возможных trade‑off: `retain_reasoning` может увеличить задержку, а `enable_compaction` требует тестов на совместимость с текущими пайплайнами.