新智元報(bào)道

編輯：元宇

【新智元導(dǎo)讀】6位前DeepMind成員以元系統(tǒng)重塑大模型調(diào)用方式，該系統(tǒng)推出的Gemini 3 Pro優(yōu)化技術(shù)在ARC-AGI-2上以54%的成績奪得榜首，而成本僅為此前最優(yōu)方法的一半。

最近，6名前Google DeepMind研究員、工程師又搞大事了。

他們的新初創(chuàng)公司Poetiq沒去研發(fā)更大、更聰明的模型，而是搭建了一個(gè)元系統(tǒng)，該系統(tǒng)可以讓前沿大模型自動生成解決特定任務(wù)的策略和模型組合。

這樣不僅解決了前沿模型難以單獨(dú)解決復(fù)雜真實(shí)世界問題的痛點(diǎn)，還將整體推理成本降低了一半。

12月8日，ARC Prize官宣驗(yàn)證了該團(tuán)隊(duì)的成果。

由Poetiq推出的Gemini 3 Pro優(yōu)化技術(shù)，在ARC-AGI-2 leaderboard上創(chuàng)下新SOTA，得分高達(dá)54%，每任務(wù)計(jì)算成本僅31美元。

這一突破遠(yuǎn)超此前模型的最優(yōu)表現(xiàn)，在leaderboard上力壓群雄。

Poetiq團(tuán)隊(duì)揭秘

Poetiq初創(chuàng)團(tuán)隊(duì)均來自Google DeepMind

Poetiq是一個(gè)精干且高度技術(shù)型的團(tuán)隊(duì)，由6名來自Google DeepMind的研究員與工程師組成。

該創(chuàng)始團(tuán)隊(duì)成員一共擁有53年的專業(yè)經(jīng)驗(yàn)，他們在Poetiq的目標(biāo)是「以更優(yōu)的推理，鋪就通過安全超級智能的最快路徑」。

12月5日，這家成立不到一年的公司自豪地宣布：

「Poetiq系統(tǒng)已經(jīng)大幅超越現(xiàn)有方法，并樹立了新的行業(yè)最佳表現(xiàn)。」

如上圖所示，Poetiq系統(tǒng)在ARC-AGI-2半私有評估集上創(chuàng)下新紀(jì)錄。

11月20日，Poetiq已經(jīng)公布了自己在ARC-AGI-2上的強(qiáng)勁表現(xiàn)，此次ARC Prize對Poetiq公布的成績進(jìn)行了官方驗(yàn)證。

Poetiq開發(fā)的一套純Gemini配置參與了ARC Prize的官方評估。

該系統(tǒng)以每題30.57美元的成本取得了54%的成績，打破了此前Gemini 3 Deep Think創(chuàng)下的每題成本77.16美元、45%的最佳成績。

Poetiq團(tuán)隊(duì)表示，在ARC-AGI-2公共數(shù)據(jù)集上，Poetiq系統(tǒng)建立了全新的帕累托前沿，不僅超越以往成果，還進(jìn)一步推動了成本效益推理的邊界。

Poetiq團(tuán)隊(duì)將這一成績，歸結(jié)為它的元系統(tǒng)。

元系統(tǒng)

在任意模型上構(gòu)建智能

Poetiq的方法是在任意模型之上構(gòu)建智能。

其元系統(tǒng)旨在利用任何現(xiàn)成的前沿模型，自動生成能解決特定任務(wù)的完整系統(tǒng)，無需構(gòu)建甚至不需要微調(diào)自己的大前沿模型。

這也是為什么Poetiq能在Gemini 3與GPT-5.1發(fā)布后數(shù)小時(shí)內(nèi)，就將它們快速接入并取得SOTA表現(xiàn)的原因。

如上圖所示，Poetiq元系統(tǒng)在ARC-AGI-1和ARC-AGI-2上不僅全面刷新了以往成績，也再次推進(jìn)了低成本推理的邊界。

• 相比之下，Gemini 3 Deep Think（預(yù)覽版）成本明顯更高，準(zhǔn)確率卻更低。Poetiq（Gemini-3-a、b、c）展示了Poetiq如何利用多個(gè)大語言模型，在任意成本目標(biāo)下實(shí)現(xiàn)最大化性能。

• Poetiq系統(tǒng)可以通過多次調(diào)用Gemini-3來程序化地處理ARC-AGI-1和ARC-AGI-2的問題，從而在廣泛的計(jì)算區(qū)間內(nèi)實(shí)現(xiàn)帕累托最優(yōu)。

• Poetiq（Grok-4-Fast）主打極致成本效率，構(gòu)建于Grok-4-Fast Reasoning模型之上。不僅比原模型報(bào)告的結(jié)果更便宜、準(zhǔn)確率更高，還能達(dá)到與價(jià)格高兩個(gè)數(shù)量級的模型相當(dāng)?shù)臏?zhǔn)確度。

• Poetiq（GPT-OSS-b）基于開源權(quán)重模型GPT-OSS-120B，在單題不到1美分的成本下仍取得了非常亮眼的準(zhǔn)確率。

• Poetiq（GPT-OSS-a）基于GPT-OSS-120B的低思考版本，用來展示極限成本條件下的系統(tǒng)表現(xiàn)。

以上這些方案雖然各自都能獨(dú)立運(yùn)行，但它們共同的底層是Poetiq靈活的元系統(tǒng)。

這個(gè)元系統(tǒng)的核心優(yōu)勢之一即能自動選擇模型組合與策略，甚至?xí)孕信袛嗪螘r(shí)要寫代碼、又該由哪個(gè)模型負(fù)責(zé)寫代碼。

Poetiq的遞歸、自我改進(jìn)系統(tǒng)完全不依賴特定大模型，在接入最新模型時(shí)也能充分展現(xiàn)其能力。

使用Poetiq元系統(tǒng)強(qiáng)化主流模型

為了進(jìn)一步展示Poetiq元系統(tǒng)的能力，研究人員將其應(yīng)用到多個(gè)來自Google DeepMind、OpenAI、Anthropic和xAI的最新模型上。

每一次，Poetiq都實(shí)現(xiàn)了「更高準(zhǔn)確率+更低成本」的組合。

上圖中展示了12個(gè)模型（包括ChatGPT、Claude Haiku、Gemini、Grok 4、GPT-OSS）在ARC-AGI-1上經(jīng)過Poetiq處理后的表現(xiàn)。

Poetiq是如何做到的？秘訣其實(shí)只有一句話：

從上到下，全靠大語言模型。

Poetiq使用大模型來構(gòu)建系統(tǒng)、改進(jìn)系統(tǒng)、也讓系統(tǒng)本身運(yùn)行起來。

正是這種靈活、強(qiáng)大且遞歸的系統(tǒng)架構(gòu)，讓Poetiq能快速取得如此一系列SOTA成果。

Poetiq選擇開源的具體配置，主要為了展示2個(gè)重要理念：

提示詞只是接口層，并非智能本體

系統(tǒng)在一個(gè)循環(huán)式的解題流程中運(yùn)行：它不會只問一次，而是先讓大模型生成一個(gè)可能的答案（有時(shí)包括代碼），根據(jù)反饋進(jìn)行分析，然后再繼續(xù)利用模型改進(jìn)答案。

這種多步驟、自我完善的方式，讓系統(tǒng)能逐步構(gòu)建并打磨最終解答。

自我檢查

系統(tǒng)會自主檢查自己的進(jìn)展，決定什么時(shí)候信息足夠、結(jié)果可靠，從而自動結(jié)束流程。

這種自我監(jiān)控機(jī)制能有效避免浪費(fèi)算力，讓整體成本更低。

為什么選擇ARC-AGI？

Poetiq認(rèn)為ARC-AGI是驗(yàn)證自身核心理念的理想測試場。

大模型蘊(yùn)含了大量人類知識，但在復(fù)雜推理任務(wù)上經(jīng)常出現(xiàn)不穩(wěn)定的情況。

一個(gè)原因是模型表現(xiàn)高度依賴提示詞，而其隨機(jī)性會讓知識提取變得不夠可靠，從而使推理步驟難以預(yù)測。

真正的挑戰(zhàn)在于：如何發(fā)現(xiàn)一種推理策略，既能找出需要的信息，又能在找到信息時(shí)順利將其組合起來，并智能判斷下一步該做什么。

Poetiq的核心目標(biāo)，就是為了讓這一過程能夠自動化并不斷優(yōu)化。

Poetiq所構(gòu)建的系統(tǒng)并不預(yù)設(shè)推理策略，而是讓模型自主發(fā)現(xiàn)最適配的推理方式，并能在現(xiàn)實(shí)限制（預(yù)算、Token或算力）內(nèi)工作。

這將釋放生成式AI在復(fù)雜推理方面的真正潛力。

Poetiq的系統(tǒng)能在短時(shí)間內(nèi)適配任務(wù)特性與模型特性，而ARC-AGI測試的是模型抽象推理、歸納、邏輯、生成策略能力，這和Poetiq系統(tǒng)的優(yōu)勢也是相互匹配的。

為了使Poetiq的元系統(tǒng)能夠隨著每次解決新任務(wù)而持續(xù)進(jìn)化，任務(wù)的多樣性也非常關(guān)鍵。

為此，Poetiq的團(tuán)隊(duì)正在讓系統(tǒng)攻克更多基準(zhǔn)任務(wù)，涵蓋多種推理與檢索需求。

此外，Poetiq系統(tǒng)的優(yōu)點(diǎn)是擅長與其他系統(tǒng)協(xié)作。

該系統(tǒng)可以用來優(yōu)化現(xiàn)有大型系統(tǒng)內(nèi)部的AI組件。

如果能夠在不修改模型本身的前提下，利用前沿模型中豐富的世界知識來解決長時(shí)序任務(wù)，如果能讓底層知識提取機(jī)制更適配大模型，也許就不需要進(jìn)行模型調(diào)優(yōu)，這些正是Poetiq下一步努力的方向之一。

參考資料：

https://poetiq.ai/posts/arcagi_verified/%20

https://x.com/arcprize/status/1997743855203148038?s=20

秒追ASI

?點(diǎn)贊、轉(zhuǎn)發(fā)、在看一鍵三連?

點(diǎn)亮星標(biāo)，鎖定新智元極速推送！