OpenAI показала: смена настроек оценки подняла GPT-5.6 Sol с 13.3% до 38.3% — ни одного изменения в самой модели. Что изменили. Три вещи: сохранять цепочку рассуждений вместо удаления после каждого шага, снять лимит на усечение контекста и не выкидывать старые сообщения при превышении 175 000 символов. Вывод сократился в 6 раз. Модель прошла все 6 уровней вместо одного. Главный вывод OpenAI. 72% разрыва между человеком и моделью объяснялись не способностями модели, а тем, как её тестировали. Средний человек на этом наборе задач набирает 48%. Результаты относятся только к ARC-AGI-3. Автор выстроил эту позицию за год и не претендует на нейтральность. Что это значит: если одна настройка даёт +25 п.п., возможно, часть того, что мы считали прогрессом моделей — заслуга методики, а не архитектуры.