編輯：元宇

6位前DeepMind成員以元系統重塑大模型調用方式，該系統推出的Gemini 3 Pro優化技術在ARC-AGI-2上以54%的成績奪得榜首，而成本僅為此前最優方法的一半。

最近，6名前Google DeepMind研究員、工程師又搞大事了。

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

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

12月8日，ARC Prize官宣驗證了該團隊的成果。

由Poetiq推出的Gemini 3 Pro優化技術，在ARC-AGI-2 leaderboard上創下新SOTA，得分高達54%，每任務計算成本僅31美元。

這一突破遠超此前模型的最優表現，在leaderboard上力壓群雄。

Poetiq團隊揭秘

Poetiq初創團隊均來自Google DeepMind

Poetiq是一個精干且高度技術型的團隊，由6名來自Google DeepMind的研究員與工程師組成。

該創始團隊成員一共擁有53年的專業經驗，他們在Poetiq的目標是「以更優的推理，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系統已經大幅超越現有方法，并樹立了新的行業最佳表現。」

如上圖所示，Poetiq系統在ARC-AGI-2半私有評估集上創下新紀錄。

11月20日，Poetiq已經公布了自己在ARC-AGI-2上的強勁表現，此次ARC Prize對Poetiq公布的成績進行了官方驗證。

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

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

Poetiq團隊表示，在ARC-AGI-2公共數據集上，Poetiq系統建立了全新的帕累托前沿，不僅超越以往成果，還進一步推動了成本效益推理的邊界。

Poetiq團隊將這一成績，歸結為它的元系統。

元系統

在任意模型上構建智能

Poetiq的方法是在任意模型之上構建智能。

其元系統旨在利用任何現成的前沿模型，自動生成能解決特定任務的完整系統，無需構建甚至不需要微調自己的大前沿模型。

這也是為什么Poetiq能在Gemini 3與GPT-5.1發布后數小時內，就將它們快速接入并取得SOTA表現的原因。

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

相比之下，Gemini 3 Deep Think（預覽版）成本明顯更高，準確率卻更低。Poetiq（Gemini-3-a、b、c）展示了Poetiq如何利用多個大語言模型，在任意成本目標下實現最大化性能。

Poetiq系統可以通過多次調用Gemini-3來程序化地處理ARC-AGI-1和ARC-AGI-2的問題，從而在廣泛的計算區間內實現帕累托最優。

Poetiq（Grok-4-Fast）主打極致成本效率，構建于Grok-4-Fast Reasoning模型之上。不僅比原模型報告的結果更便宜、準確率更高，還能達到與價格高兩個數量級的模型相當的準確度。

Poetiq（GPT-OSS-b）基于開源權重模型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表現。

以上這些方案雖然各自都能獨立運行，但它們共同的底層是Poetiq靈活的元系統。

這個元系統的核心優勢之一即能自動選擇模型組合與策略，甚至會自行判斷何時要寫代碼、又該由哪個模型負責寫代碼。

Poetiq的遞歸、自我改進系統完全不依賴特定大模型，在接入最新模型時也能充分展現其能力。

使用Poetiq元系統強化主流模型

為了進一步展示Poetiq元系統的能力，研究人員將其應用到多個來自Google DeepMind、OpenAI、Anthropic和xAI的最新模型上。

每一次，Poetiq都實現了「更高準確率+更低成本」的組合。

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

Poetiq是如何做到的？秘訣其實只有一句話：

從上到下，全靠大語言模型。

Poetiq使用大模型來構建系統、改進系統、也讓系統本身運行起來。

正是這種靈活、強大且遞歸的系統架構，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個重要理念：

提示詞只是接口層，并非智能本體

系統在一個循環式的解題流程中運行：它不會只問一次，而是先讓大模型生成一個可能的答案（有時包括代碼），根據反饋進行分析，然后再繼續利用模型改進答案。

這種多步驟、自我完善的方式，讓系統能逐步構建并打磨最終解答。

自我檢查

系統會自主檢查自己的進展，決定什么時候信息足夠、結果可靠，從而自動結束流程。

這種自我監控機制能有效避免浪費算力，讓整體成本更低。

為什么選擇ARC-AGI？

Poetiq認為ARC-AGI是驗證自身核心理念的理想測試場。

大模型蘊含了大量人類知識，但在復雜推理任務上經常出現不穩定的情況。

一個原因是模型表現高度依賴提示詞，而其隨機性會讓知識提取變得不夠可靠，從而使推理步驟難以預測。

真正的挑戰在于：如何發現一種推理策略，既能找出需要的信息，又能在找到信息時順利將其組合起來，并智能判斷下一步該做什么。

Poetiq的核心目標，就是為了讓這一過程能夠自動化并不斷優化。

Poetiq所構建的系統并不預設推理策略，而是讓模型自主發現最適配的推理方式，并能在現實限制（預算、Token或算力）內工作。

這將釋放生成式AI在復雜推理方面的真正潛力。

Poetiq的系統能在短時間內適配任務特性與模型特性，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系統的優勢也是相互匹配的。

為了使Poetiq的元系統能夠隨著每次解決新任務而持續進化，任務的多樣性也非常關鍵。

為此，Poetiq的團隊正在讓系統攻克更多基準任務，涵蓋多種推理與檢索需求。

Poetiq系統的優點是擅長與其他系統協作。

該系統可以用來優化現有大型系統內部的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序任務，如果能讓底層知識提取機制更適配大模型，也許就不需要進行模型調優，這些正是Poetiq下一步努力的方向之一。