ARC-AGI-2，84.6%。

这是公认最难的 AI 推理测试，人类平均正确率大概 60%。

谷歌刚刚升级的 Gemini 3 Deep Think，84.6%，断层第一。

第二名 Claude Opus 4.6，68.8%；第三名 GPT-5.2，只有 52.9%。

谷歌遥遥领先，重回巅峰。

同一天，OpenAI 把自己的新模型部署在了一颗不是英伟达的芯片上。

历史上第一次。

一个在赌「深度」，一个在赌「速度」。

---

谷歌的「推理暴力」

Gemini 3 Deep Think 不是一个新模型，是 Gemini 3 的深度推理模式。

去年 12 月初就发布了，这次是升级。

开启 Deep Think 后，模型会花更多的算力去「思考」，用多轮推理、并行假设探索来逼近最优解。

说人话，让模型慢慢想，想清楚再回答。

开头说的 ARC-AGI-2 就是它的成绩单。

这个测试不考你记住了多少知识，考的是你能不能从几个例子里自己归纳出规则。

84.6% 准确率，是 ARC Prize 官方验证的。

而在老版本 ARC-AGI-1 上，Deep Think 直接狂砍 96%。

这个曾经被认为「AI 最难攻克」的基准测试，已经即将被彻底拿下。

其他测试，谷歌也在屠榜。

「人类最后一场考试」Humanity's Last Exam，48.4%，不用工具，新纪录。

Codeforces 编程竞赛 Elo 3455，「传奇宗师」（Legendary Grandmaster，Codeforces 最高等级头衔）级别，全球排名第八。

前面只剩了 7 个碳基程序员。

2025 年国际数学奥林匹克金牌，物理奥林匹克金牌，化学奥林匹克金牌。

数学、物理、化学，三科同时拿金牌。

谷歌在博客里讲了一个细节。

罗格斯大学的数学家 Lisa Carbone 用 Deep Think 审核一篇高度专业的数学论文，模型发现了一个微妙的逻辑漏洞。

这个漏洞之前通过了人类同行评审，没人看出来。

在另一个演示中，给 Deep Think 画一张草图，它能分析几何结构，直接生成 3D 打印文件。

从审论文到做 3D 打印，谷歌想说，「Deep Think 不只是刷榜机器。」

---

划重点，Deep Think 目前仅对 Google AI Ultra 订阅用户开放。

API 也首次开放了早期访问申请。

---

OpenAI 的「速度焦虑」

在谷歌让模型变聪明的同一天，OpenAI 做了一件完全相反的事。

新模型 GPT‑5.3‑Codex‑Spark，正式发布。

Spark，火花，一闪就亮。

顾名思义，GPT‑5.3‑Codex‑Spark 是 GPT-5.3-Codex 的青春版，专为实时编程设计。

不追求最强推理能力，主打一个「快」。

快到什么程度？

每秒 1000+ token。

带你感受一下来自 OpenAI 官方的对比视频。

(4.gif)

标准版 GPT-5.3-Codex 在 SWE-Bench Pro 上完成一个任务大概要十几分钟。

Codex-Spark 能在几分钟内搞定，准确率则介于 GPT-5.3-Codex 和 GPT-5.1-Codex-mini 之间。

速度快了 15 倍，能力打了折扣。

但 Codex-Spark 要解决的就是 AI 编程过程中的「等待」问题。

更有意思的是硬件。

Codex-Spark 跑在 Cerebras 的第三代晶圆级引擎上。

这颗芯片把计算、内存、带宽全塞在一块巨大的晶圆上，消除了传统 GPU 集群之间的数据传输瓶颈。

代价是内存只有 44GB，要知道，英伟达下一代 Rubin 是 288GB。

所以，Cerebras 不是来替代英伟达的，它专门给「对延迟极度敏感」的场景用。

OpenAI 说，GPU 依然是基础，Cerebras 是补充。

除了硬件，OpenAI 还重写了整个推理链。

引入持久化 WebSocket 连接，客户端到服务器的往返开销降了 80%，首 token 响应时间缩短 50%，单 token 处理开销减少 30%。

这些优化不只给 Codex-Spark 用，很快会推广到所有模型。

---

划重点，普通用户暂时用不了。

目前 Codex-Spark 只对 ChatGPT Pro 用户开放，支持 Codex App、命令行和 VS Code 插件。

128k 上下文，纯文本输入，API 只对少量合作伙伴开放。

---

把谷歌和 OpenAI 的动作放在一起看，很有意思。

谷歌在解决「怎么更聪明」。

不换硬件，不训练新模型，就在推理阶段多花算力。

同一个 Gemini 3 Pro，给它更多时间去想，分数能从 31.1% 提升到 84.6%。

OpenAI 在解决「怎么更快」。

模型已经够聪明了，但用起来太慢，开发者等不了。

所以签了 100 亿美元的芯片合同，重写推理管线，把延迟压缩到极致。

一个做加法，投入算力换推理深度。

一个做减法，砍掉能力换响应速度。

---

那么，AI 的下一个瓶颈到底是什么？

谷歌的答案是推理深度。

OpenAI 的答案是速度。

AI 的 2026，好戏还在后头。

---

我是木易，Top2 + 美国 Top10 CS 硕，现在是 AI 产品经理。

关注「AI信息Gap」，让 AI 成为你的外挂。

---