OpenAI 指出，保留推理與壓縮讓 GPT-5.6 Sol 的 ARC-AGI-3 分數幾乎提升 3 倍，凸顯 harness 設計如何塑造 AI 基準測試。

NVIDIA 表示，經 LangChain 調校的 Nemotron 3 Ultra 在開放模型代理基準中取得領先表現，凸顯企業 AI 可採用更便宜的開放堆疊。

Arena這家來自柏克萊的初創公司，背後是目前最受關注的群眾外包AI模型排行榜之一。該公司告訴TechCrunch，在推出商業評估產品約八個月後，其年化營收已達1億美元。這一里程碑顯示，AI基準測試與訓練後回饋正逐漸成為一門獨立生意，而不只是研究活動；不過公司表示，其營收是按使用量計費，而非簽約式經常性ARR。