Claude Opus 5 rozbił bank w teście ARC-AGI. Koniec z bezmyślnym powtarzaniem?

Większość modeli językowych to po prostu bardzo drogie maszyny do przewidywania statystycznego, które gubią się, gdy tylko zdejmie się im barierki wyuczonych schematów. Najnowszy model od Anthropic, Claude Opus 5, zdaje się właśnie tę barierę taranować. W benchmarku ARC-AGI-3, zaprojektowanym jako sprawdzian ogólnej inteligencji, Opus 5 osiągnął wynik 30,2%. To nokaut dla konkurencji — dotychczasowy lider, GPT-5.6 Sol od OpenAI, zanotował w tym samym zestawieniu zaledwie 7,8%.

Dlaczego ten wynik wywołał poruszenie akurat teraz? Branża od miesięcy spiera się, czy obecna architektura LLM nie dotarła do ściany, potrafiąc jedynie mieszać treści z danych treningowych. Wynik Opusa 5 jest trzykrotnie wyższy niż u jakiegokolwiek innego modelu na rynku, co sugeruje, że zbliżamy się do momentu, w którym algorytm faktycznie rozumuje, a nie tylko kojarzy fakty. Jak podaje Anthropic: ‖W ocenie ARC-AGI 3, gdzie model musi rozwiązywać zupełnie nowe problemy, wynik Opus 5 jest trzy razy wyższy niż u kolejnego najlepszego modelu‑.

Autonomiczne myślenie zamiast odtwarzania wzorców

Zespół odpowiedzialny za ARC Prize wskazuje, że tak gwałtowny skok nie wynika z prostego dorzucenia mocy obliczeniowej. Model wykazuje cechy, które dotychczas były domeną ludzkiego intelektu: zdolność do samodzielnej eksploracji i planowania działań w całkowicie obcym środowisku. Podczas testów Opus 5 zaskoczył badaczy nietypowymi strategiami. Zamiast zgadywać, tłumaczył skomplikowane zadania na notację algebraiczną i samodzielnie formułował równania refleksyjne, by sprawdzać błędy we własnym toku myślenia. Rozwiązał pięć środowisk testowych, które do tej pory pozostawały nieosiągalne dla maszyn.

Benchmark jako interaktywna gra o inteligencję

ARC-AGI-3 różni się od klasycznych testów tekstowych tym, że przypomina grę logiczną. Model musi odczytać reguły rządzące interaktywnym światem, a następnie wykonać serię kroków prowadzących do celu. Kluczowy jest brak ‖protez‑ — w oficjalnych rankingach liczy się wyłącznie czysty model, bez wsparcia zewnętrznego oprogramowania. Claude Opus 5 wchodzi do tej gry z konkretnym cennikiem: 5 USD za milion tokenów wejściowych oraz 25 USD za milion tokenów wyjściowych. To wysoka cena, ale Anthropic twierdzi, że mamy do czynienia z modelem, który ‖zbliża się do granicy inteligencji‑.

Między przełomem a optymalizacją pod testy

Środowisko technologiczne zachowuje jednak zdrowy sceptycyzm. Krytycy zauważają, że Opus 5 powstał już po upublicznieniu formatu ARC-AGI-3, co mogło ułatwić inżynierom dostrojenie go do konkretnych łamigłówek. Niezależny benchmark Witness przyniósł skromniejsze wieści — tam Opus 5 uzyskał wynik 43,4, co stawia go w jednym rzędzie z chińskim modelem Kimi K3 czy Fable 5. Co ciekawe, o ile model świetnie radził sobie z regułami znanymi, o tyle w przypadku mniej typowych kombinacji zasad jego wydajność bywała niższa niż u starszej wersji 4.8.

Może to sugerować, że Anthropic wykorzystało zaawansowane metody uczenia przez wzmacnianie (RL), co wyostrzyło umiejętności modelu w konkretnych domenach. Niemniej jednak, naukowcy tacy jak Greg Kamradt podkreślają, że punktowe regresje nie zmieniają szerszego kontekstu. Claude Opus 5, bez względu na stopień optymalizacji pod testy, stanowi obecnie punkt odniesienia w wyścigu o maszyny potrafiące wyjść poza schemat wyuczony na pamięć.