OpenAIs nyeste store språkmodell, kjent som "o3, " er ennå ikke bredt lansert, men foreløpige tester antyder dens evner. Modellen ble kort introdusert via en promofilm, med få detaljer om dens kapasitet. Merkverdig er at o3 ble testet med "Abstraction and Reasoning Corpus for Artificial General Intelligence" (ARC-AGI), en referansetest laget for å måle en modells evne til å tilpasse seg nye situasjoner. I denne testen oppnådde o3 en nøyaktighet på 76%, som overgikk menneskelige resultater registrert av Mechanical Turk-arbeidere, og markerte det som noen anser som et gjennombrudd i AIs evne til å takle nye oppgaver. François Chollet, som utviklet ARC-AGI, fremhever at o3s score viser et betydelig sprang i AI-kapasitet, og antyder at o3 snart kunne konkurrere med menneskelig arbeid. Selv om Chollet tidligere har vært skeptisk til at AI når menneskelig intelligensnivå, anerkjenner han denne utviklingen som et skifte.

ARC-AGI-testen innebærer å løse visuelle oppgaver som ikke er avhengige av språk, og utfordrer modeller som o3 på nye måter. Til tross for dens suksesser, forblir o3s metoder uklare på grunn av dens lukket kildekode. Chollet spekulerer i at modellens arkitektur avviker betydelig fra dens forgjengere, ved å bruke en testtids-søk-tilnærming lik den som brukes av Googles AlphaZero. Likevel bemerker Chollet at OpenAI ikke har offentliggjort ressursforbruket for å oppnå ARC-AGI-resultater, noe som kunne påvirke den oppfattede effektiviteten. Spørsmål om o3s generelle tilpasningsevne gjenstår, siden den spesifikt ble trent for ARC-AGI-testen. Chollet understreker at mens o3 viser potensial, feiler den fortsatt på noen enkle oppgaver, noe som antyder at den ennå ikke er på AGI-nivå (kunstig generell intelligens). Han planlegger å gi ut en oppdatert versjon av ARC-AGI for ytterligere å utfordre modeller som o3, noe som indikerer at ekte AGI fortsatt er utenfor rekkevidde for nå.