Dossier AGI · Principiante · 11 min
ARC Prize: la competición, sus reglas, ediciones, resultados y lo que han aportado
ARC Prize premia métodos abiertos para ARC-AGI. Conozca sus reglas, los resultados de cada edición y qué conclusiones permiten extraer las puntuaciones obtenidas.
ARC Prize es una competición de investigación que premia soluciones abiertas y reproducibles para las pruebas ARC-AGI, así como los trabajos que explican sus métodos. Su interés va más allá de la clasificación: permite estudiar cómo los sistemas descubren reglas, aprenden durante una tarea y utilizan sus recursos. A 24 de octubre de 2026, las ediciones de 2024 y 2025 han concluido; la de 2026 sigue en curso.
ARC Prize y ARC-AGI: el concurso y su instrumento de medida
ARC-AGI es la prueba; ARC Prize ofrece un marco para organizar la investigación en torno a ella. Conviene mantener esta distinción al leer un anuncio: resolver tareas públicas, obtener una evaluación controlada y ganar un premio son cosas diferentes.
En las tareas estáticas, el sistema recibe ejemplos de cuadrículas de entrada y de salida. Debe deducir la transformación y producir después la salida correspondiente a una nueva entrada. La dificultad reside en descubrir la regla, más que en ejecutar unas instrucciones detalladas. Nuestra página de referencia sobre ARC-AGI presenta la prueba y sus distintas generaciones.
François Chollet expone el fundamento de este enfoque en On the Measure of Intelligence, publicado en noviembre de 2019. Distingue entre las habilidades adquiridas y la eficiencia con la que un sistema adquiere una habilidad nueva. Desde esta perspectiva, una medida de la inteligencia debe tener en cuenta los conocimientos previos, la experiencia disponible y la dificultad de generalización.
El concurso convierte esta cuestión científica en un problema experimental. Un equipo propone un método; una evaluación mide su comportamiento; la publicación permite a otros equipos examinar qué funciona. La generalización sigue siendo el objeto de investigación, mientras que la puntuación sirve como indicador operativo.
Esta distinción evita un malentendido: ARC Prize no concede una certificación universal de inteligencia. Organiza comparaciones bajo determinadas condiciones. Para situar estos trabajos entre otros enfoques, puede consultar el especial sobre AGI e investigación.
Qué debe lograr una propuesta
Veamos un ejemplo didáctico que no reproduce ninguna tarea oficial. Unas cuadrículas muestran objetos de colores y el resultado de una transformación. Una hipótesis sería desplazar cada objeto hasta un borde; otra, completar una simetría. La solución debe permitir elegir entre esas posibilidades a partir de los ejemplos disponibles.
Un método convincente debe explicar todos los ejemplos y funcionar después con la entrada cuya respuesta permanece oculta. No basta con encontrar una transformación compatible con un solo ejemplo: varias reglas pueden producir el mismo resultado aparente.
Por eso, al examinar una propuesta, conviene distinguir varias operaciones:
- representar las cuadrículas, los objetos o las relaciones;
- proponer hipótesis de transformación;
- comprobar su compatibilidad con los ejemplos;
- seleccionar una respuesta para enviarla;
- respetar las restricciones de cómputo y de formato.
Este desglose permite analizar un sistema sin dar por sentada su arquitectura. Un método puede producir directamente una cuadrícula; otro puede construir un programa que la genere. El resultado visible, por sí solo, no permite saber qué camino se ha seguido.
Aquí resulta útil el concepto de benchmark: una prueba define un procedimiento de observación. Hay que examinar ese procedimiento antes de interpretar el rendimiento. Nuestro artículo ARC-AGI explicado ofrece una introducción más breve al funcionamiento de estos problemas.
Al leer una propuesta, la pregunta útil es qué información tenía el sistema antes de responder y qué operaciones pudo realizar. Esta pregunta sigue siendo pertinente incluso cuando las puntuaciones mejoran considerablemente.
Las ediciones concluidas: resultados y comparaciones posibles
Las listas de ganadores de las ediciones concluidas ofrecen referencias históricas. Siempre deben acompañarse de la prueba utilizada: los porcentajes de distintas generaciones no representan el mismo nivel de dificultad.
| Criterio | Edición de 2024 | Edición de 2025 |
|---|---|---|
| Prueba del concurso | ARC-AGI-1 | ARC-AGI-2 |
| Primer equipo por puntuación | the ARChitects | NVARC |
| Puntuación privada publicada, redondeada | 53,5 % | 24,0 % |
| Gran premio de la edición | No se concedió | No se concedió |
| Otra vía de reconocimiento | Premios a publicaciones científicas | Premios a publicaciones científicas |
Los valores de 2024 proceden de los resultados oficiales de ARC Prize 2024, consultados el 24 de octubre de 2026. Para 2025, el balance oficial publicado el 5 de diciembre de 2025 recoge, entre otros resultados, un 24,03 % para NVARC, un 16,53 % para los ARChitects y un 12,64 % para MindsAI en la evaluación privada de ARC-AGI-2.
La aparente caída de la puntuación ganadora entre ambas ediciones no demuestra un retroceso. La prueba cambió: comparar los porcentajes sin indicar a qué corresponden equivale a comparar notas de exámenes diferentes.
También hay que distinguir entre la mejor propuesta de una edición y el mejor resultado obtenido posteriormente en el mismo benchmark. La clasificación final sigue siendo un resultado histórico, vinculado a una fecha de cierre y a un reglamento.
Por último, encabezar la clasificación por puntuación no significa automáticamente haber alcanzado el objetivo principal. Los premios intermedios permiten precisamente reconocer avances cuando el umbral previsto sigue fuera de alcance. Esta separación da continuidad al concurso: una edición puede aportar métodos útiles sin resolver todo el problema.
Qué han aportado los trabajos premiados
Los premios científicos permiten abordar el concurso desde otro ángulo. Invitan a examinar una idea que explique los resultados, su reproducibilidad y sus posibilidades de reutilización, más allá del primer puesto.
Entre los trabajos reconocidos en 2024 figuran los de Li y sus coautores sobre la combinación de inducción y transducción, así como los de Akyürek y sus coautores sobre el entrenamiento durante la evaluación. En 2025, los enfoques premiados incluyen las redes recursivas de Alexia Jolicoeur-Martineau, la síntesis evolutiva de programas de Julien Pourcel, Cédric Colas y Pierre-Yves Oudeyer, y los trabajos sin preentrenamiento de Isaac Liao y Albert Gu.
La presentación oficial de los ganadores de 2025 describe estas líneas de trabajo y las soluciones de la clasificación. Su diversidad invita a evitar una explicación única del progreso: modificar parámetros, refinar una respuesta y buscar un programa son mecanismos diferentes.
Para comprenderlos, puede plantearse preguntas concretas. ¿Corrige el sistema su representación del problema? ¿Prueba varias soluciones? ¿Aprende una transformación específica de la tarea? ¿Conserva conocimientos reutilizables?
La lección metodológica es que la respuesta final no basta para explicar el éxito. Es necesario examinar qué cambia durante la resolución y qué estaba presente antes de empezar.
Esto no señala automáticamente una arquitectura ganadora para la inteligencia general. Una técnica eficaz con cuadrículas todavía debe demostrar su utilidad en otros ámbitos. El concurso aporta experimentos y líneas de investigación; su alcance depende después de las comprobaciones que puedan realizar otros investigadores.
En 2026, varias modalidades con objetivos distintos
La edición de 2026 amplía el marco. El calendario oficial de ARC Prize 2026, consultado el 24 de octubre de 2026, anuncia una dotación de 2 millones de dólares y tres modalidades: ARC-AGI-2, ARC-AGI-3 y publicaciones científicas.
El lanzamiento está fechado el 25 de marzo de 2026. La entrega del código está prevista para el 2 de noviembre; la de las publicaciones, para el 8 de noviembre; y los resultados, para el 4 de diciembre de 2026. Estas fechas explican por qué esta página no presenta ningún ganador definitivo de la edición.
La modalidad ARC-AGI-2 de 2026 tiene como objetivo un 85 % de aciertos en su evaluación privada, dentro de los límites de eficiencia del concurso. Anuncia 700 000 dólares repartidos entre premios al progreso, la evaluación de un documento que explique la solución y una bonificación condicionada a alcanzar el umbral.
Conviene prestar atención a este reparto: la expresión «gran premio» no tiene necesariamente las mismas condiciones en todas las modalidades o años. Para ARC-AGI-2 en 2026, la página distingue el premio al documento de la solución de la bonificación vinculada a la puntuación objetivo.
Por tanto, cuando consulte un importe, compruebe tres aspectos: qué categoría financia, qué condición permite obtenerlo y si su concesión está garantizada. Una dotación anunciada no equivale necesariamente a una cantidad que vaya a distribuirse íntegramente.
Para participar, consulte el reglamento de la modalidad y el calendario de la plataforma de envío. Una página de síntesis explica la organización, pero no sustituye las condiciones detalladas que se aplican a su candidatura.
Las reglas: apertura, reproducibilidad y recursos
El marco general de 2026 exige soluciones abiertas y reproducibles para recibir los premios. También establece una evaluación en Kaggle sin acceso a Internet: una propuesta no puede, por tanto, llamar a una API remota durante esa ejecución.
La apertura debe entenderse como la posibilidad de examinar el método. Para analizarlo, el lector debe poder identificar los componentes utilizados, las transformaciones de los datos y las operaciones necesarias para reproducir el resultado. Un porcentaje acompañado de una descripción imprecisa deja demasiadas preguntas sin resolver.
Los recursos son otra dimensión del resultado. Compare, por ejemplo, estas situaciones hipotéticas:
| Criterio | Sistema evaluado localmente | Sistema que utiliza un servicio remoto |
|---|---|---|
| Ejecución | Componentes disponibles en el entorno | Dependencia de un servicio externo |
| Recursos que deben documentarse | Hardware, memoria, duración | Llamadas, cómputo remoto, duración |
| Reproducción | Depende de los materiales proporcionados | Depende también del acceso al servicio |
| Admisibilidad en el concurso | Debe comprobarse en el reglamento | Incompatible con una evaluación sin Internet si necesita realizar llamadas |
Esta tabla no ordena los enfoques por su calidad. Muestra por qué un resultado obtenido con una configuración no puede trasladarse automáticamente a otra.
Antes de comparar equipos, compruebe, entre otros aspectos, el tiempo permitido, el hardware, los datos adicionales y las condiciones de publicación. No dé por vigentes los límites de una edición anterior por costumbre.
Una comparación útil mantiene estas restricciones junto a la puntuación. Así podrá distinguir entre una mejora del método y un aumento de los recursos disponibles, o señalar que ambos han cambiado.
ARC-AGI-3 incorpora el aprendizaje mediante la interacción
La modalidad ARC-AGI-3 de 2026 pide a los agentes que interactúen con entornos nuevos sin recibir instrucciones. Pone el énfasis en la exploración, la construcción de un modelo del entorno, la identificación de objetivos y la planificación.
Su dotación anunciada a 24 de octubre de 2026 es de 850 000 dólares. Incluye un gran premio condicionado a una puntuación del 100 %, premios por clasificación y premios por alcanzar hitos. El umbral pertenece al protocolo de evaluación; no debe presentarse como una declaración de que se ha alcanzado la AGI.
La interacción cambia el tipo de errores que hay que examinar. En un problema estático, se observa principalmente una respuesta. En un entorno, también cabe analizar si las acciones del sistema le han permitido aprender algo.
Un ejemplo didáctico ayuda a ver la diferencia. Un agente encuentra un elemento cuyo efecto desconoce. Puede actuar para poner a prueba una hipótesis, observar el cambio y adaptar después su estrategia. Una acción que no alcanza inmediatamente el objetivo puede ser útil si reduce la incertidumbre.
Por el contrario, repetir una acción sin aprovechar su resultado puede revelar un fallo de aprendizaje. Por eso hay que examinar las secuencias de acciones, la información conservada y las decisiones sucesivas.
Esta perspectiva acerca la evaluación a una cuestión práctica: cómo adquiere un sistema las habilidades necesarias en una situación desconocida. Eso no elimina la necesidad de controlar los recursos. Explorar durante mucho tiempo y aprender con eficiencia siguen siendo propiedades distintas.
Los resultados de modelos fuera del concurso cambian la interpretación
Una evaluación publicada puede alcanzar un nivel alto sin constituir una propuesta admisible para el premio. Esta distinción resulta especialmente necesaria en 2026, cuando aparecen puntuaciones cercanas a los umbrales del concurso.
El 3 de septiembre de 2026, ARC Prize comunicó para GPT-6 Astra un 62,7 % en ARC-AGI-3 semiprivado con su configuración estándar, frente a un 99,9 % con una configuración adaptada al proveedor. Los costes totales anunciados para estas evaluaciones son de unos 26 000 y 19 000 dólares, respectivamente. El informe oficial de esta evaluación detalla las condiciones e indica que el resultado no constituye una prueba de AGI.
La diferencia muestra por qué el nombre del modelo no basta para describir el experimento. La conservación de información entre etapas y la configuración que rodea las llamadas pueden modificar considerablemente el comportamiento observado.
Para interpretar un anuncio, distinga entre:
- el modelo utilizado;
- el sistema completo que lo hace actuar;
- el conjunto de tareas evaluado;
- los recursos consumidos;
- la condición del resultado dentro del concurso.
Esta separación permite reconocer un avance sin atribuirle un premio que no se ha anunciado. También evita tratar una puntuación semiprivada como si procediera de la evaluación privada final del concurso.
Nuestro artículo sobre cómo interpretar las clasificaciones de modelos desarrolla este método. La pauta es sencilla: busque las condiciones de medición antes de comparar las cifras publicadas.
Qué permiten debatir los resultados
La cuestión científica no se reduce a elegir entre aprendizaje profundo y programas simbólicos. Los trabajos premiados exploran distintas formas de representar un problema, buscar una solución y corregirla.
También hay diferencias de criterio sobre lo que explicaría un resultado satisfactorio. François Chollet pone el énfasis en la eficiencia al adquirir habilidades nuevas. Otras contribuciones reconocidas por el concurso defienden el interés de seguir desarrollando enfoques de aprendizaje profundo: los trabajos de Jack Cole y Mohamed Osman figuran entre las menciones de 2025. Un buen rendimiento no resuelve por sí solo todas las cuestiones teóricas.
Para valorar una explicación, examine qué factores se han aislado experimentalmente. Si un equipo modifica al mismo tiempo los datos, la arquitectura y el presupuesto de búsqueda, la mejora global no permite atribuir toda la ganancia a un solo cambio.
Examine también qué se transfiere a otros contextos. Un procedimiento diseñado para reconocer objetos en una cuadrícula puede aportar una idea útil sin demostrar una capacidad general para trabajar con documentos, interacciones sociales o situaciones físicas.
Estas reservas no hacen que las puntuaciones dejen de ser útiles. Precisan su función: comparar sistemas en un marco controlado y abrir después la puerta a experimentos más específicos.
Así puede leer cada edición como un conjunto de resultados e hipótesis. La clasificación establece un rendimiento; las publicaciones proponen explicaciones; las reproducciones y las nuevas evaluaciones determinan hasta dónde se sostienen esas explicaciones.
Cómo seguir ARC Prize a lo largo del tiempo
Para seguir el concurso sin confundir sus distintos anuncios, conserve una ficha breve de cada resultado: edición, modalidad, equipo, puntuación, conjunto de evaluación, recursos y estado de publicación. Añada la fecha de consulta cuando la clasificación siga cambiando.
Separe después los documentos según su función. El reglamento determina la admisibilidad; la lista de ganadores recoge los premios concedidos; el documento científico explica un método; y una evaluación de modelo describe un experimento concreto. Ninguno de estos elementos sustituye a los demás.
Cuando un resultado le parezca decisivo, busque qué permite comparar directamente. Dos métodos evaluados con las mismas tareas y restricciones ofrecen una comparación más fácil de interpretar que dos anuncios basados en protocolos diferentes.
Para tomar una decisión práctica, tenga presente también el uso que usted necesita. Un buen resultado en ARC-AGI no mide directamente la calidad de un asistente para su actividad. El Laboratorio de benchmarks ayuda a situar las mediciones dentro de su ámbito de aplicación.
Las enseñanzas duraderas de ARC Prize dependen de esta disciplina de lectura:
- distinguir entre la prueba, la competición y los premios;
- vincular cada puntuación a sus condiciones;
- examinar los métodos y su reproducibilidad;
- comprobar qué se transfiere más allá del benchmark;
- mantener el carácter provisional de los resultados de una edición todavía abierta.
Páginas relacionadas
Preguntas frecuentes
¿Qué diferencia hay entre ARC Prize y ARC-AGI?
ARC-AGI es una serie de pruebas de razonamiento y adaptación. ARC Prize organiza competiciones y premia contribuciones basadas en esas pruebas. Por tanto, un resultado publicado sobre ARC-AGI no es necesariamente una participación que cumpla los requisitos del concurso.
¿Hay que alcanzar el umbral principal para ganar un premio?
No. Según la edición y la modalidad, hay premios para las mejores puntuaciones, los avances intermedios o las publicaciones científicas. Conviene revisar las categorías del año correspondiente, porque sus condiciones cambian.
¿Se puede participar con la API de un modelo propietario?
La evaluación de Kaggle de 2026 se realiza sin acceso a Internet, lo que impide llamar a una API remota. Las evaluaciones de modelos realizadas fuera del concurso siguen otro protocolo. Las reglas de la modalidad elegida determinan qué soluciones se admiten.
¿Una puntuación casi perfecta en ARC-AGI demuestra que se ha alcanzado la AGI?
Demuestra un rendimiento dentro de un protocolo concreto, con unos recursos y un sistema determinados. No basta para acreditar una capacidad general en cualquier situación. También hay que examinar la novedad de las tareas, la eficiencia y la transferencia a otros entornos.
¿Se conocen los resultados definitivos de ARC Prize 2026?
A 24 de octubre de 2026, la edición sigue en curso. El calendario oficial anuncia los resultados para el 4 de diciembre de 2026. Las clasificaciones provisionales y las evaluaciones realizadas al margen del concurso no constituyen su lista final de ganadores.