¿Qué es ARC-AGI-3?

Los dos primeros tests ARC eran rompecabezas estáticos: unos ejemplos de una transformación de cuadrícula y luego una cuadrícula nueva que completar. Los modelos aprendieron a resolverlos. ARC-AGI-3, lanzado el 25 de marzo de 2026, cambia la forma de la pregunta. Al agente se le mete en uno de cientos de entornos por turnos, hechos a mano, y no se le dice nada — ni las reglas, ni qué cuenta como ganar, ni cuáles de sus acciones importan. Tiene que explorar, notar qué cambia cuando actúa, formar una teoría, planificar varios movimientos por delante y corregirse cuando la teoría falla.

La puntuación no es «¿terminó?», sino «¿con qué eficiencia aprendió?», medida frente a personas a las que se les dieron los mismos juegos sin preparación. Por eso la fundación escribe 100 % para los humanos y, en el lanzamiento, 0,51 % para los modelos punteros: modelos que aprueban exámenes de abogacía y escriben código que funciona no supieron descifrar un juego que un niño resuelve en unos minutos. La frase de la propia fundación: mientras exista esa brecha, no hay AGI — y hay dos millones de dólares en premios para quien la cierre.

ARC-AGI-3 mide bien una cosa estrecha: aprender desde cero una tarea abstracta. No dice nada sobre si un modelo lee tus contratos con precisión, sigue un procedimiento de devoluciones de catorce pasos o sigue siendo educado en el ticket cuatrocientos del día. Son habilidades distintas, y modelos cercanos en ARC pueden estar muy lejos entre sí en ellas.

Así que lee las noticias sobre tests como leerías el informe de laboratorio de un coche: interesante, a veces decisivo, nunca un sustituto de la prueba de conducción. La única puntuación que importa para una compra es la medida en tus propias tareas, con tus propios datos, antes y después de un cambio. Es la prueba que hacemos en un diagnóstico — y la que la mayoría de los proveedores preferiría que no hicieras.