一句话看懂：一种名为 Schema 的“推理框架（Harness）”在 ARC-AGI-3 基准测试的公开集上，配合 Claude Opus 4.8 和 Fable 5 模型达到了 98.98% 的成绩，接近人类水平（100%）。它不修改模型权重，而是通过改进模型使用方式——即如何观察、建模、预测和修正——大幅提升了 AI 在未知规则游戏中的推理能力。
事件核心：发生了什么
ARC-AGI-3 是一个测试 AI 在未知规则下自主探索与推理能力的基准。在该测试中，模型面对一个 64×64 的彩色网格，没有对象列表、规则说明或明确目标，只能通过试错和假设验证来推进。此前，顶尖前沿模型（如 GPT-5.6 Sol）在该基准的半私有集上仅达到 7.78%，公开集上为 13.33%。
Schema Harness 团队公布了两项自测结果：使用 Claude Opus 4.8 和 Fable 5 的组合在公开集上取得 98.98%（约 99%）的 RHAE（相对人类动作效率）分数；使用 GPT-5.6 Sol 也取得 95.35%。这两项成绩均未经过 ARC Prize 官方验证。其工作方式为：先以 Opus 4.8 或 Sol（xhigh 模式）执行，若某关卡得分低于 80，则用 Fable 5 或 Sol（max 模式）重跑，取更高分。
为什么重要
Schema 的成绩表明，在模型权重不变的前提下，“如何用模型”比“用哪个模型”可能更具决定性。传统方法侧重训练更大的模型或增加推理计算量，而 Schema 的“物理学家式推理”将问题拆解为“状态构建”（将像素转化为对象、变量和关系）和“机制发现”（找出状态如何在动作下变化并写成可执行程序），并且同时解决这两个问题。这种联合优化的思路，为提升模型推理能力提供了一条不同于“堆数据、堆算力”的技术路径。
对于 ARC-AGI-3 这一被认为是“AI 通用智能”的硬性标杆而言，接近人类水平意味着在游戏、模拟等动态环境中，AI 的自主适应能力取得里程碑式进展。然而，该成绩未经官方验证，且仅限公开集（难度相对较低），在半私有集上效果未知，因此仍需理性看待。
对用户/开发者/创作者的影响
对于 AI 应用开发者和技术团队而言，Schema 的方法提示了一个方向：在模型能力接近天花板的当下，精心设计的推理流程（包括感知、假设验证、回退策略）可以显著改善 AI 在复杂、不可预见场景中的表现。对于游戏开发、机器人控制、自动化测试等需要模型处理未知规则的应用场景，这种“推理框架”可能比简单调用 API 更实用。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
对于普通用户，目前该技术尚未以产品形式落地，短期内不会直接影响日常使用。但若 Schema 或类似思路被集成到 AI 助手、自动化工具中，未来用户可能体验到更“聪明”的 AI——例如在解释一张复杂图表、操作一个陌生软件或玩一个新游戏时，模型不再“瞎猜”，而是通过试错和自我修正做出合理行为。
值得关注的后续
第一，该成绩未经 ARC Prize 官方验证，下一步需关注团队是否提交验证并公布半私有集结果，这是判断通用性的关键。第二，Schema 的推理流程是否可开源或商业化落地，目前公开信息显示该框架尚处于研究阶段，如果开放代码或 API，将极大降低开发者的使用门槛。第三，竞品模型（如 OpenAI、Google DeepMind）是否会跟进类似“推理框架”路线，或在模型训练中直接注入这种“物理学家式”思维，值得跟踪。目前公开信息显示，Schema 的代码和详细论文尚未发布，后续进展有待作者团队公布。
