Claude王座失守，OpenAI一夜反超，神秘GPT‑6 Sol偷跑

OpenAI 在人工智慧領域再次投下震撼彈，旗下代號「Sol」的神祕模型 GPT‑6 突然現身，在當前 AI 社群最關注的通用智慧評測 ARC AGI 中一舉衝上 99.9% 的超高正確率，直接將原本盤踞榜首的 Claude 拉下王座。由於成績過於驚人，ARC 評測團隊緊急宣布現有考卷必須重做，下一階段更要將題目升級為考驗「發明」能力。ARC AGI 是一項被視為「AI 界的奧林匹克」的抽象推理測驗，設計目的是測試模型能否像人類一樣從少量範例中提煉出規則，並運用在從未見過的圖形問題上。

過去一年，這項測驗的排行榜幾乎由 Anthropic 的 Claude 系列模型長期霸佔，最高成績始終卡在 98% 左右，業界普遍認為要突破 99% 還需要技術上的重大躍進。沒想到 OpenAI 不僅悄悄跨越了這條線，而且直接逼近滿分，讓許多研究人員感到既興奮又意外。據了解，這次登場的 GPT‑6 並未透過任何正式發表會或 API 預覽管道公開，而是以「偷跑」的形式出現在第三方評測平台上。測試者在 ARC AGI 的私有驗證集上檢測到一個未知模型，其輸出風格與過往 OpenAI 的模型有著明顯差異，但解題邏輯極為清晰且穩定。

經過交叉比對，該模型被確認為 GPT‑6 的早期版本，內部代號正是「Sol」。在驚人的 99.9% 成績曝光後，ARC 評測的創辦人 François Chollet 隨即發文表示，這項測試的原始難度已經無法有效區分頂尖模型的真實能力，因此他們決定直接廢除現有考題，並啟動全新的評測設計。新階段的題目將不再只是答對抽象圖形，而是要求模型「發明」出一套全新的規則來解決從未定義過的問題。換句話說，AI 必須展現出近似人類的創造力，而非單純的圖形比對。挑戰「發明」能力，意味著模型不能只靠記憶或模式識別來過關。

評測團隊規劃，未來會給模型一個只有人類才能理解的高層次目標，但具體的實現方法與規則完全交給 AI 自行定義，再由評審判斷其發明的質量與原創性。這項變革被視為 AGI（通用人工智慧）評估的一大躍進，也讓 OpenAI 的 GPT‑6 是否已經具備初步的創造力成為討論焦點。OpenAI 方面截至目前尚未正式回應該模型的相關資訊，也沒有透露「Sol」是否會成為即將推出的新一代旗艦模型。不過，從社群上的風向來看，許多人認為這很可能是 OpenAI 在內部訓練過程中取得的階段性突破，並刻意選擇在低調環境下測試極限效能，避免公關戰過早升溫。

而對 Anthropic 而言，Claude 王座失守無疑是一記警鐘，外界預期該公司短期內可能會加速發表下一代架構，企圖奪回 ARC 榜首。從產業角度觀察，ARC AGI 雖然只是學術性評測，但長期被視為衡量模型是否能真正「適應新情境」的關鍵指標。OpenAI 若能在這個領域持續推進，其商業化應用的想像空間將大幅擴張，包括自動化科學研究、複雜決策系統，甚至教育領域中動態出題與個別化指導都可能出現新典範。而「Sol」這個代號本身也引發不少聯想，有人猜測它代表「太陽」，象徵 OpenAI 準備在通用智慧領域照亮整個業界；也有人認為這只是內部隨機命名，不需過度解讀。

值得注意的是，GPT‑6 的出現時間點非常微妙。就在數週前，市場上才剛掀起一波關於「AI 模型能力已接近天花板」的討論，部分投資人甚至開始懷疑大規模預訓練的邊際效益正在快速遞減。現在這個成績幾乎是直接打臉那種論調，證明只要方法得當，突破瓶頸的機會依然存在。當然，也有專家提醒，99.9% 的成績可能只在特定封閉測試集下成立，實際開放環境的表現還有待驗證。無論如何，這場突如其來的「王座交替」已經讓整個科技圈再次沸騰。從研究實驗室到創投會議，大家都在追問同一個問題：GPT‑6 到底還藏著多少未公開的能力？

而 ARC 評測的全面改版，是否預示著 AI 競賽將從「誰更會解題」正式進入「誰更會發明」的新紀元？一切謎底恐怕要等到 OpenAI 正式揭露細節，或是 Anthropic 亮出反擊武器之後，才會有更清晰的答案。但可以確定的是，人工智慧的軍備競賽不僅沒有降溫，反而在攀向更高、更難的峰頂。