「AGIはまだない。これがその証拠だ」──ARC Prize財団が2026年4月に公式に断言した理由

「AGIはまだない。このデータセットがその証拠だ」——ベンチマーク開発団体ARC Prize Foundationが2026年4月14日付のブログでこう書いた。抽象的な推論能力を測る「ARC-AGI」シリーズの開発元が、なぜこの時点でここまで明確に言い切ったのか。原文にあたって確認した。

3行まとめ

1. ARC Prize財団は2026年4月14日、ARC-AGI-3向けの人間ベースライン調査（458人参加）を発表し、「We do not yet have AGI. This dataset is the receipt.」と明記した。
2. 公開されている25のデモ環境では、342回のプレイのうち145回が人間によってクリアされており、財団は「人間なら誰でも解ける」水準の証拠としてこのデータを位置づけている。
3. 当サイトはOpus 5のARC-AGI-3スコア（30.2%、次点の3倍以上）を別記事で報じ済みで、財団の「人間基準」とAIの実測スコアを突き合わせられる。

「これがその証拠だ」発言の全文

arcprize.org/blog/arc-agi-3-human-datasetを直接取得して確認した。該当箇所をそのまま引用する。

"Today we're releasing the human dataset for ARC-AGI-3 - a controlled study of 458 participants and the most exhaustive human testing study in the ARC-AGI series to date. We do not yet have AGI. This dataset is the receipt."

（訳）「本日、ARC-AGI-3のための人間データセットを公開する——458人の参加者による統制された調査で、ARC-AGIシリーズの中でこれまでで最も網羅的な人間テスト研究だ。私たちはまだAGIを手にしていない。このデータセットがその証拠だ」

「receipt（証拠、レシート）」という単語を使っている点が特徴的だ。単なる主張ではなく、実際に人間を対象にした統制実験のデータという"物的証拠"を伴わせている、という財団側の姿勢がうかがえる。

ARC-AGI-3とは何を測るのか

ARC-AGIシリーズは、事前学習データに含まれていない新規パターンの抽象推論能力を、パズル形式の環境で測るベンチマークだ。ARC-AGI-3は135のインタラクティブな推論環境からなり、人間もAIも、遊び方の説明を与えられないまま環境を探索し、ルールを自力で発見してクリアすることが求められる。

今回公開された人間ベースラインデータは、このうち一般公開されているデモ25環境についてのものだ。ブログ本文の記載を確認すると、342回のプレイのうち145回がクリアに至っている。

調査の方法：一発勝負、AIと同じ情報しか与えない

ブログ本文を読み込むと、この調査の設計自体にAI比較を意識した工夫があることが分かった。著者Greg Kamradt氏（2026年4月14日付）はこう説明している。

"Tests were held under 'first-run' conditions. This means every participant only saw environments once and had a single attempt to beat it. This measures the ability to learn and adapt to a novel problem, not the ability to repeat a previously learned solution."

参加者は各環境を1回しか見ておらず、挑戦のチャンスも1回きり。「見たことのある問題を再現する能力」ではなく「初見の問題に適応する能力」を測る設計だ。さらに重要なのが、この一文だ。

"Humans and AI received identical information. Neither had an informational advantage."

人間とAIには、同一の情報しか与えられていない、と明記されている。これは記事の当初の疑問点（「人間のクリア率とAIのスコアが同一条件で測定されたか」）に対する、財団自身の直接的な回答にあたる。

参加者の属性についても記載があった。「特定の1つの層に絞らず、教育水準・収入・職種・年齢が様々な一般市民を対象にした」とされ、年齢や職業などの人口統計学的な詳細な内訳までは示されていない。1回のテストセッションは90分で、参加者には基本報酬として約130ドル、加えてクリアした環境1つにつき5ドルが支払われたという。

環境ごとのクリア率にはばらつきがあり、記事はこう例示している。「r11lは10人中10人がクリアした一方、tr87は12人中6人しかクリアできなかった」。25環境全体の集計表も本文に掲載されており、最もクリア率が低かったのはbp35（14プレイ中2クリア、約14%）、最も高かったのはr11l（10プレイ中10クリア、100%）だった。プレイ数が突出して多いlp85（54プレイ・15クリア）は、2025年7月にARC-AGI-3のプレビュー環境として早期公開されていたための例外だと注記されている。

なぜ財団は「まだ」と言い切れるのか

財団のこの主張の骨格は単純だ。人間が(相対的に)容易に解ける新規パターンの推論課題を、現行のAIシステムはまだ人間並みには解けない——これがARC-AGI-2・3シリーズを通じて財団が一貫して示してきた立場であり、今回の人間データはその「人間側の基準」を統制実験で裏付けたものにあたる。

当サイトはClaude Opus 5のリリース記事で、Anthropicが2026年7月24日に公開したOpus 5のARC-AGI-3公式スコアが30.2%（次点の3倍以上）だったことを確認済みだ。Anthropic公式のOpus 5リリースブログ（anthropic.com/news/claude-opus-5）を今回改めて直接取得すると、「On ARC-AGI 3, an evaluation where the model has to solve novel problems, Opus 5's score is three times as high as the next-best model.（ARC-AGI 3——モデルが新規の問題を解く必要がある評価——において、Opus 5のスコアは次点モデルの3倍に達する）」という一文があり、「次点の3倍以上」という数値の裏付けをAnthropic公式の一次情報でも確認できた。人間の基準がどのレベルにあるかが今回のデータで明確になったことで、「AIのスコアが人間の基準にどれだけ近いか／遠いか」を今後より具体的に議論できる材料が揃ったことになる。ただし、今回確認した財団のブログ本文には、AIモデルのスコアと人間のクリア率を直接同じ尺度で比較した数値は記載されていなかった。

同じ記事で採点方法の変更も発表されていた

この人間ベースライン公開と同じ記事の中で、財団はARC-AGI-3の採点方法そのものの変更も発表していた。プレビュー公開以降、公開環境には100万件近いスコアカードが提出されており、そのデータから2つの問題が見つかったという。1つは「運の要素」——ある環境のあるレベルでは、序盤の選択次第でその後どれだけ上手くプレイしても最短手数に到達できなくなる構造があり、従来の採点基準（2番目に上手い人間の記録を基準にする方式）だと、この運の要素がそのまま点数に反映されてしまっていた。もう1つは「1位でも100%にならない」問題——全レベルで人間基準を大きく上回っても、1レベルだけ振るわないと上限100%キャップのせいで総合スコアが100%を下回ってしまう、という不具合だ。

この2点を受け、財団は基準を「2番目に上手い人間」から「中央値の人間」に変更し、レベルごとのスコア上限を100%から115%に引き上げると発表した。この変更により、人間・AIともにスコアが平均+0.5ポイント上昇する見込みだという。「AIがARC-AGI-3で100%を取る」とは、全環境の全レベルで、人間の中央値と同等以上の手数効率でクリアすることを意味する、と改めて定義されている。

この採点基準の変更が実際にいつ実装されたかは、ARC Prize公式のGitHubリポジトリarcprize/ARC-AGIのREADMEに記載されたChangelogでも裏付けが取れた。バージョン0.9.7（2026-04-14付）の更新項目に「Scoring: Changed level cap from 100% to 115% and Game Cap to weighted average max for the number of levels completed（採点：レベル上限を100%から115%に変更し、ゲーム上限をクリアレベル数の加重平均最大値に変更）」と明記されている。日付が今回確認したブログ記事の公開日（2026年4月14日）と一致しており、ブログでの発表とコード上の実装が同日付で行われたことが分かる。

ARC Prize公式のARC-AGI-3解説ページを直接確認すると、この基準がなぜ「AGIの証拠」に結びつくのかを説明する一文があった。

"As long as there is a gap between AI and human learning, we do not have AGI. ARC-AGI-3 makes that gap measurable by testing intelligence across time, not just final answers."

「AIと人間の学習能力にギャップがある限り、AGIは存在しない」という立場が明記されている。ARC-AGI-3は、最終的な正解率だけでなく、時間軸に沿った学習・適応の過程そのものを測定することで、このギャップを可視化しようとしている、という位置づけだ。

「AGIはまだない」は、誰にとっての基準か

一点、注意しておきたいのは、この「まだAGIではない」という判定は、ARC Prize財団独自の基準に基づくものだという点だ。AGIには業界統一の定義が存在しない。OpenAIは自社の憲章で「最も経済的価値の高い仕事で人間を上回る、高度に自律的なシステム」と定義しており、これはARC Prize財団の「新規パターンの推論能力」という基準とは異なる切り口だ。したがって「ARC Prize財団がAGIはまだないと言った」という事実と、「AGIは（他の定義に照らしても）まだない」という一般化は、イコールではない。

公開デモ25環境のうち、クリア率が特に低かった／高かった環境を抜粋すると次のようになる。

比較したのは公開デモ25環境のみ、非公開の110環境は未確認

• ARC-AGI-3の全135環境のうち、非公開の残り110環境（135−公開25）の内容・難易度分布は、この記事では扱っていない。 今回確認したのは公開デモ25環境に関する集計データのみ。
• 「人間とAIには同一の情報しか与えられていない」という財団の説明は、財団自身のブログでの主張であり、AI側の測定（Claude Opus 5等のARC-AGI-3スコア）を報じた別記事と、この人間ベースライン記事が、具体的にどの環境セット・どの採点基準バージョンで測定されたものかまでは、本記事では突き合わせていない。特に本記事で紹介した採点基準の変更（2番目に上手い人間→中央値、100%→115%キャップ）が、既に報告済みのAIスコアにも遡って適用されたのかどうかは確認できていない
• 「AGIの証拠」という財団の主張への反論・異論があるかどうかは、この記事では調査していない。
• 458人の参加者の年齢層・専門性の有無といった詳細な人口統計は、「特定の層に絞らなかった」という記述以上の内訳を本文中から読み取れなかった。

出典・確認した一次情報

• ARC Prize Foundation, "ARC-AGI-3 Human Dataset"（2026年4月14日、arcprize.org/blog/arc-agi-3-human-dataset、著者Greg Kamradt氏）。curlで直接取得し、「We do not yet have AGI」の一文、458人参加・342プレイ/145解の集計、25環境の個別プレイ数・クリア数、採点基準の変更（中央値基準・115%キャップ）を本文中で確認。
• ARC Prize Foundation, "ARC-AGI-3"（ベンチマーク解説ページ、arcprize.org/arc-agi/3/）。curlで直接取得し、「AIと人間の学習ギャップがある限りAGIはない」という位置づけの一文を確認。
• Anthropic, "Claude Opus 5"（公式リリースブログ、anthropic.com/news/claude-opus-5）。curlで直接取得し、ARC-AGI-3でOpus 5のスコアが次点モデルの3倍に達するという一文を確認。
• ARC Prize Foundation, github.com/arcprize/ARC-AGI（公式GitHubリポジトリのREADME）。curlで直接取得し、Changelogのv0.9.7（2026-04-14）に採点基準変更（100%→115%キャップ）の記載があることを確認。

URLは2026年8月27日および2026年8月31日にcurl -A "Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_7)"で直接取得・確認した。