DeepSeek AI 将 ARC 基准测试成本降至近乎为零

概述

随着 DeepSeek V4 Flash 的发布，人工智能推理的经济格局发生了剧变。该模型将 ARC-AGI 基准测试上的任务求解成本降至近乎为零，与此前二十个月所见的昂贵支出形成鲜明对比。曾经，顶尖模型需要花费数千美元才能达到尚可的准确率，而如今新的入门级选项仅凭几分钱就能攻克数据集的相当大一部分。

这种计算成本的快速通缩正在重塑研究人员对通向通用人工智能轨迹的看法。ARC 基准最初旨在测试基本推理能力而非模式记忆，如今正日益被廉价工具大规模攻克难关。随着每一代新模型比前一代更快速地压低价格，在抽象推理任务上实现人类水平性能的时限也在显著缩短。

推理的经济性已发生改变

要理解这一转变的规模，必须回顾 ARC-AGI-1 基准的历史数据。二十个月前，在该项具有挑战性的任务套件中达到 87.5% 的成功率需要使用 o3 模型，每任务成本约为 4,560 美元。在那个价位上，广泛的实验仅在财务上对资金充足的实验室或大型科技公司可行。对于独立研究人员和小型初创企业而言，进入壁垒实际上 prohibitive（望而却步）。

令人瞩目地逆转的是，DeepSeek V4 Flash 现在仅以每任务 0.04 美元的成本解决了 ARC-AGI-2 基准的 61.4%。这代表边际成本降低了一万倍以上。虽然准确率低于 o3 达到的峰值性能，但能够以如此低的费用处理如此庞大的数据量，使得之前在经济上不可行的迭代优化和集成方法成为可能。

其影响不仅仅在于节省资金；更在于改变 AI 研究的基本方法论。当计算几乎免费时，约束条件就从财务资源转移到了算法创造力上。研究人员现在可以探索更广泛的推理策略，而不必担心耗尽预算。这种可及性加速了创新步伐，使该领域从稀缺、昂贵的实验转向丰富、廉价的尝试。

智能的成本下降速度比我们要求它解决的问题复杂度下降得更快。

基准进步的加速

DeepSeek V4 Flash 中观察到的趋势是更广泛的指数级成本降低模式的一部分。每一代推理模型的新版本似乎都比上一代更激进地降价。这种复利效应表明，行业正在进入一个高级认知任务以前所未有的速度商品化的阶段。运行单次推理的成本与其衍生价值之间的差距正在缩小，为推理任务创造了计算能力的过剩。

这种加速引发了关于 ARC 基准本身性质的有趣问题。ARC-AGI 系列旨在抵抗过拟合，要求模型学习新概念，而不仅仅是从训练数据中识别模式。然而，随着尝试数百万种解决方案的成本降低，庞大的计算量可以作为一种暴力学习形式发挥作用。模型现在可以承受尝试无数种解法路径的变体，有效地比以前更彻底地搜索可能逻辑变换的空间。

此外，从 ARC-AGI-1 到 ARC-AGI-2 的转变引入了更多样化和复杂的挑战。尽管难度增加，但达到多数通过率的成本却骤降。这表明底层架构正变得更加样本高效。改进不仅仅源于硬件规模的扩大；它们反映了模型处理抽象信息方式的真正进步。效率增益使得更小、更便宜的模型能够解决以前需要庞大、昂贵系统才能处理的问题。

对通往 AGI 路径的影响

这种成本坍塌最重大的后果是其对通用人工智能时间表的影响。行业分析师和研究人员指出，当前轨迹为 ARC-AGI-4 的到来敲响了短钟，预计将于 2027 年推出。如果成本下降和能力提升的趋势以这一速度持续，那么在抽象推理上达到人类水平性能可能比许多悲观预测所暗示的要快得多。

基准完成时间的压缩意味着曾经被认为数年之后的里程碑现在以月为单位衡量。这种快速进展迫使我们重新评估安全与对齐研究。随着强大的推理工具变得对更广泛的人群可用，建立稳健治理框架的需求变得更为迫切。高水平 AI 能力的民主化既带来了加速科学发现的潜力，也带来了与不受约束部署相关的风险。

此外，这种经济转变有利于跨学科研究。数学、物理学和逻辑学等严重依赖符号推理的领域，现在可以在没有重大预算开销的情况下将 AI 代理集成到其工作流程中。科学家可以利用这些模型以以前难以想象的大规模进行假设、测试和验证复杂理论。结果可能是由计算推理的低成本驱动的科学研究生产力复兴。

然而，对 ARC 等基准的关注也凸显了当前评估指标的局限性。以 61.4% 的准确率通过 ARC-AGI-2 是一项显著的技術成就，但尚未代表通用智能。挑战在于弥合剩余百分比与完美准确率之间的差距，同时保持低成本。模型的下一代会需要证明不仅有效率，还在开放环境中具有鲁棒性和可靠性。

展望未来

随着行业迈向 2027 年，兑现通用推理承诺的压力将会加大。DeepSeek 最近的进展充当了该领域走向的晴雨表：朝着更便宜、更快、更有能力的系统发展。昂贵、排他性的 AI 推理时代正在结束，取而代之的是一个只要拥有互联网连接就能获得强大认知工具的未来。

技术、学术界和政策领域的利益相关者都需要适应这一新现实。能力推进的速度要求监管响应灵活，并制定能跟上技术变化的道德准则。与此同时，研究人员将继续利用低成本环境探索机器认知的新前沿，拓展这些模型能力的边界。

通往 ARC-AGI-4 的旅程不再是一场缓慢的行军，而是一次冲刺。随着成本被压低至接近零，主要变量现在是算法创造力和工程精度。未来两年很可能不仅定义 AI 的技术格局，还定义其社会影响，因为这些可及的推理工具渗透到人类努力的方方面面。