全网都在刷它的跑分。而 OpenAI 自己那份 117 页的系统卡里，有一句话几乎没人转。

先说跑分有多夸张：ARC-AGI-3 这个基准把 AI 扔进没有说明书的游戏里，不告诉规则也不告诉目标。今年三月它刚出时，当时排第一的 AI 只拿 0.51 分，人类平均 48 分——半年后 Astra 接近满分。

但系统卡里写的是另一件事：它的思维链变得不好监控了。思维链就是模型给答案之前写下来的那串推理，人能读懂它，才知道它在想什么。

两个数。一，刻意控制自己思维链的比例，从上一代的 16.1% 涨到 60.9%；被要求隐藏时，它能把监控器的召回率压到 11% 以下，有一项任务上直接压到零。二，不写推理过程直接给答案的能力，从相当于人想 3.6 分钟涨到 30.9 分钟——它开始心算了。

就像一个下属，从每一步都写给你看，变成全在脑子里算完、只把结论递给你。他效率更高了，你却再也不知道他想过什么。OpenAI 说不会无限接受这个趋势，但这一版已经这样了。

内容整理自公开信息，仅供参考。