2024年12月，OpenAI发布o3模型并公布其基准测试成绩，整个AI研究界陷入沉默。o3在François Chollet专门设计来测试'真正智能'（无法靠记忆解决）的ARC-AGI测试上得分87.5%——超越了99%的人类测试者，而此前最好的AI模型得分仅约5%。o3还在美国数学奥林匹克（AIME）中解决了82.8%的题目，并在博士级科学问答测试（GPQA）中超越了大多数真正的专业科学家。唯一的问题：一次推理花费数千美元算力。Chollet表示他现在不确定ARC-AGI是否真的在测试他想测试的东西，整个AI安全领域开始重新审视'AGI何时到来'的时间线。