6位前DeepMind老将打造「AI指挥官」，一半成本刷新SOTA

最近，6名前Google DeepMind研究员、工程师又搞大事了。

他们的新初创公司Poetiq没去研发更大、更聪明的模型，而是搭建了一个元系统，该系统可以让前沿大模型自动生成解决特定任务的策略和模型组合。

这样不仅解决了前沿模型难以单独解决复杂真实世界问题的痛点，还将整体推理成本降低了一半。

12月8日，ARC Prize官宣验证了该团队的成果。

由Poetiq推出的Gemini 3 Pro优化技术，在ARC-AGI-2 leaderboard上创下新SOTA，得分高达54%，每任务计算成本仅31美元。

这一突破远超此前模型的最优表现，在leaderboard上力压群雄。

Poetiq初创团队均来自Google DeepMind

Poetiq是一个精干且高度技术型的团队，由6名来自Google DeepMind的研究员与工程师组成。

该创始团队成员一共拥有53年的专业经验，他们在Poetiq的目标是「以更优的推理，铺就通过安全超级智能的最快路径」。

12月5日，这家成立不到一年的公司自豪地宣布：

如上图所示，Poetiq系统在ARC-AGI-2半私有评估集上创下新纪录。

11月20日，Poetiq已经公布了自己在ARC-AGI-2上的强劲表现，此次ARC Prize对Poetiq公布的成绩进行了官方验证。

Poetiq开发的一套纯Gemini配置参与了ARC Prize的官方评估。

该系统以每题30.57美元的成本取得了54%的成绩，打破了此前Gemini 3 Deep Think创下的每题成本77.16美元、45%的最佳成绩。

Poetiq团队表示，在ARC-AGI-2公共数据集上，Poetiq系统建立了全新的帕累托前沿，不仅超越以往成果，还进一步推动了成本效益推理的边界。

Poetiq团队将这一成绩，归结为它的元系统。

Poetiq的方法是在任意模型之上构建智能。

其元系统旨在利用任何现成的前沿模型，自动生成能解决特定任务的完整系统，无需构建甚至不需要微调自己的大前沿模型。

这也是为什么Poetiq能在Gemini 3与GPT-5.1发布后数小时内，就将它们快速接入并取得SOTA表现的原因。

如上图所示，Poetiq元系统在ARC-AGI-1和ARC-AGI-2上不仅全面刷新了以往成绩，也再次推进了低成本推理的边界。

• 相比之下，Gemini 3 Deep Think（预览版）成本明显更高，准确率却更低。Poetiq（Gemini-3-a、b、c）展示了Poetiq如何利用多个大语言模型，在任意成本目标下实现最大化性能。

• Poetiq系统可以通过多次调用Gemini-3来程序化地处理ARC-AGI-1和ARC-AGI-2的问题，从而在广泛的计算区间内实现帕累托最优。

• Poetiq（Grok-4-Fast）主打极致成本效率，构建于Grok-4-Fast Reasoning模型之上。不仅比原模型报告的结果更便宜、准确率更高，还能达到与价格高两个数量级的模型相当的准确度。

• Poetiq（GPT-OSS-b）基于开源权重模型GPT-OSS-120B，在单题不到1美分的成本下仍取得了非常亮眼的准确率。

• Poetiq（GPT-OSS-a）基于GPT-OSS-120B的低思考版本，用来展示极限成本条件下的系统表现。

以上这些方案虽然各自都能独立运行，但它们共同的底层是Poetiq灵活的元系统。

这个元系统的核心优势之一即能自动选择模型组合与策略，甚至会自行判断何时要写代码、又该由哪个模型负责写代码。

Poetiq的递归、自我改进系统完全不依赖特定大模型，在接入最新模型时也能充分展现其能力。

为了进一步展示Poetiq元系统的能力，研究人员将其应用到多个来自Google DeepMind、OpenAI、Anthropic和xAI的最新模型上。

每一次，Poetiq都实现了「更高准确率+更低成本」的组合。

上图中展示了12个模型（包括ChatGPT、Claude Haiku、Gemini、Grok 4、GPT-OSS）在ARC-AGI-1上经过Poetiq处理后的表现。

Poetiq是如何做到的？秘诀其实只有一句话：

Poetiq使用大模型来构建系统、改进系统、也让系统本身运行起来。

正是这种灵活、强大且递归的系统架构，让Poetiq能快速取得如此一系列SOTA成果。

Poetiq选择开源的具体配置，主要为了展示2个重要理念：

提示词只是接口层，并非智能本体

系统在一个循环式的解题流程中运行：它不会只问一次，而是先让大模型生成一个可能的答案（有时包括代码），根据反馈进行分析，然后再继续利用模型改进答案。

这种多步骤、自我完善的方式，让系统能逐步构建并打磨最终解答。

自我检查

系统会自主检查自己的进展，决定什么时候信息足够、结果可靠，从而自动结束流程。

这种自我监控机制能有效避免浪费算力，让整体成本更低。

Poetiq认为ARC-AGI是验证自身核心理念的理想测试场。

大模型蕴含了大量人类知识，但在复杂推理任务上经常出现不稳定的情况。

一个原因是模型表现高度依赖提示词，而其随机性会让知识提取变得不够可靠，从而使推理步骤难以预测。

真正的挑战在于：如何发现一种推理策略，既能找出需要的信息，又能在找到信息时顺利将其组合起来，并智能判断下一步该做什么。

Poetiq的核心目标，就是为了让这一过程能够自动化并不断优化。

Poetiq所构建的系统并不预设推理策略，而是让模型自主发现最适配的推理方式，并能在现实限制（预算、Token或算力）内工作。

这将释放生成式AI在复杂推理方面的真正潜力。

Poetiq的系统能在短时间内适配任务特性与模型特性，而ARC-AGI测试的是模型抽象推理、归纳、逻辑、生成策略能力，这和Poetiq系统的优势也是相互匹配的。

为了使Poetiq的元系统能够随着每次解决新任务而持续进化，任务的多样性也非常关键。

为此，Poetiq的团队正在让系统攻克更多基准任务，涵盖多种推理与检索需求。

此外，Poetiq系统的优点是擅长与其他系统协作。

该系统可以用来优化现有大型系统内部的AI组件。

如果能够在不修改模型本身的前提下，利用前沿模型中丰富的世界知识来解决长时序任务，如果能让底层知识提取机制更适配大模型，也许就不需要进行模型调优，这些正是Poetiq下一步努力的方向之一。