据X账号God of Prompt称，GPT-5.5在ARC-AGI-2基准上取得85%成绩；但目前尚无OpenAI或基准维护方的官方文件与复现实验细节，包括评测流程、数据污染控制与算力设置，无法独立核验（来源：该推文）。从行业应用看，在官方确认前，企业应将该结果视为初步信息，并在采购与产品路线中优先采用经标准化、可复现实验与防污染的评测。若日后得到验证，该成绩意味着在对抗式推理与泛化上的跃升，可增强企业级代理流程、代码生成稳定性与多步骤工具调用，从而缩短工程与数据分析协作的落地周期，但前提是得到权威来源的可重复证明与清晰的许可与安全说明。

据 Demis Hassabis 在 X（推特）发布的信息，Google DeepMind 的 Gemini 3 Deep Think 在 ARC‑AGI‑2 上取得 84.6%，在 Humanity’s Last Exam 无工具条件下达到 48.4%，并在 Codeforces 获得 3455 Elo，均为最新纪录。根据该公告，这些成绩表明其泛化与程序竞赛能力显著提升，可在企业场景中用于更可靠的科学分析、代码生成与自动化测试。依照该来源，ARC‑AGI‑2 领先与高 Elo 水平意味着更强的多步推理与错误恢复能力，为研发提效、软件交付加速与生产推理重试率降低带来可量化机会。