اختبار للاستدلال التفاعلي يتضمن ألعاباً ثنائية الأبعاد بلا تعليمات مباشرة.
تشير أبحاث NVIDIA إلى أن أداء وكلاء الذكاء الاصطناعي في المهام طويلة الأفق لا يعتمد على النموذج وحده، بل بدرجة كبيرة على طبقة التشغيل المحيطة به، أو ما يعرف بـ«الحزام» (Harness). وفي اختبار ARC-AGI-3، رفع حزام مخصص أداء Claude Opus 5 من 30% إلى 100% عبر إدارة الذاكرة وإضافة وكيل إشراف.