GPT-6 Astra mencapai skor mendekati 100% dalam tes ARC-AGI-3, menarik perhatian. Model ini menghasilkan "model dunia simbolik" yang efisien, mengabstraksikan dunia nyata menjadi simbol logis dan kode kausal, serta secara mandiri menciptakan sistem simbol aljabar DSL untuk merekam aturan lingkungan dalam permainan grafis asing, membangun "sandi virtual" untuk simulasi sebelum bertindak. Namun, di balik skor tinggi ini terdapat biaya komputasi mahal, yaitu $360 per soal, dengan total biaya tes mencapai $18.000. Presiden ARC Prize Foundation, Greg Kamradt, menunjukkan bahwa skor tinggi bergantung pada dukungan kerangka eksternal Harness, bukan terobosan AGI sejati, hanya membuktikan bahwa AI semakin cerdas.Penulis artikel, sumber: Leifengwang
Setiap soal membakar 360 dolar, apakah GPT-6 benar-benar lulus AGI?
Model terkuat OpenAI, GPT-6 Astra, akhirnya diluncurkan, dengan terobosan luar biasa dalam operasi komputer, penelitian ilmiah, dan pertahanan keamanan. Di antara banyak pencapaian menonjol, yang paling banyak dibahas publik adalah performanya dalam tes ARC-AGI-3 yang mendekati 100%.
Apa itu ARC-AGI-3? Ini adalah peringkat evaluasi "kecerdasan" AI yang diakui secara global di kalangan industri teknologi saat ini, Anda bisa memahaminya sebagai ujian masuk klub Mensa untuk AI.
Uji ini sepenuhnya terdiri dari soal pola grafis yang terus berubah, sehingga tidak mungkin dilatih dengan menghafal soal. AI harus mampu menjelajahi lingkungan, menebak tujuan, dan menemukan pola melalui respons serta kemampuan penalaran secara langsung. Ini merupakan tingkat yang lebih tinggi dalam berbagai evaluasi, dan lebih mampu menguji apakah AI hanyalah sebuah alat atau benar-benar cerdas.
Namun, GPT-6 Astra berhasil melewati tes ini, padahal model sebelumnya, GPT-5.6 Sol, hanya mendapat skor 38,3%, yang merupakan lompatan besar. Kecerdasan ini bahkan mengungguli manusia; dalam 96% tingkat, efisiensi operasinya lebih tinggi daripada manusia, dengan rata-rata langkah tindakan 51,7% lebih sedikit daripada manusia.
Jika sebuah AI benar-benar memiliki kemampuan untuk membangun pola logis dan memecahkan masalah dalam lingkungan yang sama sekali asing, kita bisa membayangkan bahwa di masa depan, mungkin ia dapat membuat keputusan yang tepat dalam kondisi mengemudi otonom yang tidak dikenal, atau dengan cepat mengeksplorasi struktur molekuler obat efektif saat wabah virus baru yang belum pernah dikenal terjadi.
Untuk menyelidiki mengapa GPT-6 Astra begitu cerdas, pihak resmi ARC Prize secara langsung meninjau kembali catatan latar belakangnya, dan menemukan bahwa saat bermain game, ia menghasilkan "model dunia simbolik" yang efisien.
Simbol World Model adalah turunan lanjutan dari "World Model". Ketika World Model memprediksi masa depan dengan gambar seperti seorang seniman, Simbol World Model langsung berperan seperti seorang matematikawan, yang mengabstraksikan dunia nyata menjadi simbol logis dan kode kausal.
Teknologi ini diakui sebagai jalan tak terhindarkan menuju penalaran tingkat tinggi AI.
Apa itu Symbol World Model?
Di masa lalu, salah satu alasan utama mengapa banyak model besar tidak mendapatkan skor tinggi dalam serangkaian pengujian ARC-AGI adalah karena mereka terbiasa menggunakan “pendekatan coba-coba brute force”. AI akan memotong layar permainan menjadi blok-blok piksel, lalu mengklik sembarangan; jika salah, ia akan mencoba arah lain, bergantung pada keberuntungan untuk menyelesaikan permainan.
Dalam mode ini, bahkan jika ada beberapa poin yang tembus, AI tidak benar-benar memahami atau menguasai aturan permainan.
Simbol dunia model mampu mengendalikan seluruhnya karena ia memahami secara mendalam hukum fisik dan hubungan sebab-akibat di lingkungan sekitarnya, lalu membuat keputusan melalui perhitungan yang cermat.
Dalam pengujian nyata, ketika GPT-6 Astra memasuki permainan grafis yang asing, ia akan mulai membuat catatan mendetail tentang lingkungan yang diamati menggunakan DSL buatannya sendiri, sebuah sistem simbol aljabar eksklusif. Misalnya, ia secara akurat mencatat aturan implisit permainan, rangkaian instruksi yang akan segera dieksekusi, bahkan memetakan setiap lintasan piksel ke sistem koordinat dengan presisi.
Cara pencatatan aljabar ini menghasilkan keadaan dunia yang unik dan pasti; dibandingkan dengan ambiguitas yang dihasilkan oleh model sebelumnya yang menggunakan interaksi bahasa alami, representasi simbolis ini akan membawa lonjakan epik dalam akurasi.
Kemudian, ia akan menulis terlebih dahulu logika kode Python di dalam pikiran: "Jika saya menekan A, grafik akan berbelok ke kiri 90 derajat."
Kemudian, ia akan membuat "sandbox virtual" di dalam otaknya, mensimulasikan rencana berikutnya di dalam pikiran. Setelah memastikan logika tertutup dan akurat, baru ia akan mengklik langkah pertama di dalam permainan nyata. Inilah mengapa efisiensi operasionalnya jauh lebih tinggi daripada manusia.
Untuk menguji batasan kemampuan GPT-6 Astra, platform uji tim merah PRO‑LONG memasukkannya ke dalam sandbox kode, memungkinkan AI menulis dan menjalankan kode khusus secara mandiri.
Hasilnya, GPT-6 Astra mulai membuat alat yang "disesuaikan khusus" untuk setiap game. Misalnya, dalam game labirin kompleks dengan penjaga yang berpatroli, GPT-6 Astra menulis sistem navigasi sendiri, lalu menambahkan aturan pertempuran, serta mensimulasikan rute patroli penjaga, dan akhirnya memprediksi serta memverifikasi hasilnya secara sempurna melalui rantai alat buatannya sendiri.
Beberapa tahun lalu, kemampuan penalaran simbolik dan pembuatan alat mandiri sepenuhnya bergantung pada kerangka eksternal Harness. Eksternal membantu model dalam terjemahan gambar, pencatatan status, dan verifikasi hasil, tetapi kelemahannya sangat jelas: transmisi data bolak-balik antara model dan eksternal menyebabkan latensi tinggi; kemampuan teknis eksternal sama sekali tidak terkait dengan pelatihan bobot model besar; karena ketergantungan berat pada lingkungan komputasi cloud dan skrip eksternal, kemampuan tingkat tinggi ini sulit diimplementasikan pada perangkat edge sisi ujung.
Sementara itu, GPT-6 Astra sekarang menginternalisasi sejumlah besar kemampuan Harness langsung ke dalam bobot modelnya. Ahli terkemuka yang selalu mendukung model dunia simbolik, Gary Marcus, tak bisa menahan pujian terhadap GPT-6 Astra sebagai kemenangan besar dalam jalur ini.
Dalam satu atau dua tahun terakhir, banyak hasil inti telah muncul di bidang ini, dari Harvard dan MIT hingga Google DeepMind, semua pihak sedang mempertaruhkan "simbolik world model". Di persimpangan tak terhitung menuju AGI, industri sedang mencapai konsensus teknis dasar.
Skor sebesar ini, AGI aman?
Pembuat soal langsung memberikan air dingin
Yang menarik, saat seluruh jaringan bergemuruh karena skor peringkat ini, banyak orang membagikan pernyataan Greg Brockman, Presiden OpenAI, yang mengatakan “AGI telah tiba,” namun Greg Kamradt, Presiden Yayasan ARC Prize, secara langsung menanggapi dengan mendinginkan semangat tersebut.
Dia adalah tokoh inti di antara para pembuat soal, dan dia paling berwenang dalam merancang standar serta menafsirkan skor. Dari sudut pandang evaluasi, ia percaya bahwa meskipun skornya nyata, jaraknya masih sangat jauh dari AGI.
Sejauh ini, ia telah melihat banyak tim mencapai lebih dari 90% di ARC-AGI-3 dengan Agent Harness, seperti PRO-LONG dengan eksternal memori superkuat, Tycho yang ahli dalam analisis mendalam, dan Prime Agent yang mampu mengembangkan lingkungan pemrogramannya sendiri.
Produk-produk dengan skor tinggi ini memiliki resep teknis yang sama, yaitu mencakup lima komponen utama: memori tanpa kerugian, analisis terprogram, pengujian hipotesis eksplisit, status persisten, dan perhitungan internal berbiaya rendah.
Memori tanpa kerugian bertanggung jawab atas ingatan, analisis terprogram bertanggung jawab atas logika, pengujian hipotesis eksplisit bertanggung jawab atas penalaran, status persisten bertanggung jawab atas konteks interaksi multi-putaran, dan komputasi internal berbiaya rendah bertanggung jawab atas daya komputasi internal yang murah, memungkinkan AI untuk mencoba dan gagal secara ekstensif di lingkungan virtual sebelum menghasilkan jawaban yang benar. Semua ini bersama-sama membentuk Harness yang tak terkalahkan, yang mengisi kekurangan model itu sendiri.
GPT-6 Astra mendekati skor 100%, menggunakan rangkaian Harness mewah yang sama, dengan memanfaatkan "basis adaptor pemasok khusus" yang dirancang khusus, memanfaatkan percakapan berkelanjutan dan kompresi konteks untuk mendukung rantai logisnya; setiap selesai satu sesi permainan, dibutuhkan biaya komputasi mahal sebesar 360 dolar AS. Jika seluruh tes dijalankan secara lengkap, total tagihan komputasi akan mencapai angka mengejutkan 18.000 dolar AS (sekitar 135.000 yuan Tiongkok)!
Manusia mungkin hanya membutuhkan beberapa menit untuk menyelesaikan teka-teki grafis, dengan biaya listrik yang setara dengan 200.000 watt metabolik otak manusia, kurang dari setengah sen; bahkan jika termasuk subsidi gaji nyata untuk peserta, biaya per sesi hanya sekitar $12,78, sementara AI membutuhkan biaya $360. Apakah prestasi yang dicapai dengan “kekuatan uang” ini benar-benar bisa menjadi AGI yang dapat diakses oleh orang biasa?
Tentu, GPT-6 Astra telah mulai menginternalisasi kemampuan Harness secara bertahap, dan jika terus berkembang, kapasitas komputasi potensial di dalam model akan menjadi semakin kuat. Namun, karena proses penalarannya mulai tidak transparan, para pengembang tidak tahu apakah AI benar-benar memahami atau hanya menemukan cara curang yang lebih efisien.
Kembali ke pertanyaan di atas, apakah GPT-6 Astra termasuk AGI?
Untuk pertanyaan ini, Greg Kamradt memberikan respons penuh filosofi di akhir tulisan panjangnya. Mengapa manusia dianggap sebagai "kecerdasan umum"? Karena manusia mampu beradaptasi dengan dunia apa pun yang tidak dikenal, bahkan jika bayi dari zaman kuno diletakkan di masa kini, ia tetap bisa belajar naik kereta bawah tanah dan menggunakan ponsel. Kecerdasan semacam ini berlanjut selama ribuan tahun, terus mendorong kemajuan teknologi. Namun, ujian yang harus dilalui dunia teknologi saat ini hanyalah "uji permainan teka-teki grafis" yang diberikan kepada AI.
Ini hanya membuktikan bahwa AI sedang menjadi lebih cerdas, tetapi bukan bukti bahwa AGI telah tiba.