OpenAIचा नवीनतम मोठा भाषा मॉडेल, "o3" नावाने ओळखला जातो, अद्याप मोठ्या प्रमाणावर रिलीज झाला नाही, पण प्राथमिक चाचण्या त्याच्या क्षमता सूचित करतात. हा मॉडेल एका प्रोत्साहनात्मक व्हिडिओद्वारे अल्प परिचय करून देण्यात आला असून, त्याच्या क्षमतांविषयी फार माहिती नव्ह्ती. विशेषतः, o3 ला "आब्स्ट्रॅक्शन आणि रिझनिंग कॉर्पस फॉर आर्टिफिशियल जनरल इंटेलिजन्स" (ARC-AGI) चा वापर करून चाचण्यात आले, जो एक बेंचमार्क आहे ज्यामध्ये मॉडेलच्या नवीन परिस्थितींना समायोजित करण्याच्या क्षमतेचे मापन केले जाते. या चाचणीमध्ये, o3 ने 76% अचूकता साध्य केली, मेकॅनिकल तर्क कर्मचार्यांनी नोंदवलेल्या मानवाच्या स्कोर्सपेक्षा जास्त होता, ज्याला काहीजण AIच्या नव्या कामांचे व्यवस्थापन करण्याच्या क्षमतेत एक मोठी प्रगती मानतात. ARC-AGI विकसित करणारे फ्रँकोइस शॉले ओ3च्या स्कोअरमधून AI क्षमतेमध्ये लक्षणीय झेप घेतली असल्याचे दर्शवतात, ज्यामुळे o3 लवकरच मानवाच्या कामाशी स्पर्धा करू शकते असे सूचित होते. मंद शॉले पूर्वी AI मानव-स्तर बुद्धिमत्तेस पोचेल याबद्दल शंकास्पद होते, परंतु ते या विकासाला एक बदल मानतात.

ARC-AGI ची चाचणी भाषेवर अवलंबून नसलेल्या दृश्य कोडी सोडविणे यामध्ये आहे, ज्यामुळे o3 सारखे मॉडेल्स नवीन मार्गांनी आव्हानित होतात. तरीही, o3च्या पद्धती त्याच्या बंद-स्रोत निसर्गामुळे अस्पष्ट राहतात. शॉले अटकळ करतात की मॉडेलची संरचना त्यांच्या पूर्ववर्तींपेक्षा मोठ्या प्रमाणावर वेगळी आहे, असून ती गुगलच्या अल्फाझेरोसारख्या चाचणी-समयीच्या शोध दृष्टिकोणचा वापर करते. तरीही, शॉले नमूद करतात की ARC-AGI स्कोर्स मिळवण्यासाठी ओपनAIने कोणते संसाधन खर्च केले ते उघड केले नाही, जे समजूतदारतेच्या विचारावर परिणाम करू शकते. o3च्या सामान्य अनुकूलतेबद्दल प्रश्न राहतात, कारण तो विशिष्टपणे ARC-AGI चाचणीसाठी प्रशिक्षित केला गेला. शॉले यावर जोर देतात की o3 आश्वासक दिसत असला तरी, तो अद्याप काही साध्या कामांमध्ये अयशस्वी ठरतो, ज्यामुळे तो अद्याप AGI (कृत्रिम सामान्य बुद्धिमत्ता) स्तरावर नाही, असे सुचवले जाते. त्यांनी o3 सारख्या मॉडेल्सला आणखी आव्हान देण्यासाठी ARC-AGI चे अद्ययावत आवृत्ती रिलीज करण्याची योजना आखली आहे, ज्यामुळे सध्या तरी खरे AGI हाती लागले नाही.