据ARC Prize在X平台披露，ARC-AGI-2半私测结果显示：Kimi K2.5 得分12%（$0.28），Minimax M2.5 得分5%（$0.17），GLM-5 得分5%（$0.27），DeepSeek V3.2 得分4%（$0.12），整体低于2025年7月前沿实验室模型水平（来源：ARC Prize，信息由Ethan Mollick转发）。据ARC Prize，这表明当前中国产开源权重模型在窄域任务有优势，但在泛化与分布外推理上明显弱于领先闭源模型，影响需要强鲁棒性的商业场景，如多步骤推理、复杂工具链与自治体代理。依据ARC Prize披露的成本与得分对比，尽管推理成本具备价格优势，但单位成本的推理产出不足，企业可考虑“混合架构”：以闭源前沿模型承载高难度推理，将开源权重模型用于成本敏感、领域限定的工作负载。

据Jeff Dean在X平台表示，谷歌Gemini 3.1 Pro在ARC-AGI-2基准上获得77.1%，其推理能力较Gemini 3 Pro提升逾一倍，并提供并排对比展示明显改进（来源：Jeff Dean，X，2026年2月19日）。据Jeff Dean称，该成绩意味着更强的一般性推理与工具使用能力，可用于企业级多步骤数据分析、代理式规划与代码生成等复杂工作流。根据Jeff Dean的信息，这一跃升也暗示更高效的链式思维与测试时推理，有望在金融、医疗与客服等生产环境中降低推理步骤与成本。依据Jeff Dean的发布，围绕ARC-AGI-2这一推理基准的领先表现，将加剧前沿模型竞争，并为Google Cloud的AI产品带来高端API定价、分层打包与增购机会。