Her sürümün leaderboard'daki tüm efor seçenekleri (low, medium, high, xhigh, max, thinking bütçeleri) tek bir noktaya indirgendi; aynı ailenin sürümleri tek çizgide. Tarih ekseni çıkış sırasını, Maliyet ekseni görev başı dolar maliyetini (log ölçek) gösterir — orada çizgi sürümden sürüme yürür: içi boş nokta ilk sürüm, büyük nokta son sürüm. Renk sağlayıcıyı, çizgi deseni aynı sağlayıcının farklı ailesini gösterir.
Ortalamayı okurken: Sürümler aynı efor setiyle ölçülmemiş. Örneğin Opus 5 yalnızca high ve max ile ölçüldü, Opus 5.5 ise low'dan max'a beş seçenekle; "None / Minimal" seçeneği olan sürümlerin ortalaması da o seçenekle belirgin düşüyor. Tavan performansını karşılaştırmak için En iyi seçenek görünümüne geç; maliyet ekseninde o zaman en iyi seçeneğin kendi maliyeti kullanılır. ARC-AGI-3'te leaderboard görev başı değil koşunun toplam maliyetini yayınlıyor; o grafiğin maliyet ekseni bu yüzden kendi ölçeğinde.
Alttaki büyük grafik her sürümün test skorlarının düz ortalamasıdır ve yalnızca seçili testlerin hepsinde ölçülmüş sürümleri içerir — eksik testle ortalama almak sahte sıçrama üretirdi. Buradaki efor noktaları her seçeneğin testler arası ortalamasıdır; yalnızca testlerin hepsinde ölçülmüş seçenekler görünür. Opus 5.5 gibi ARC-AGI-3'te henüz ölçülmemiş sürümler 1 + 2 görünümünde çıkar. Maliyet ekseninde iki görünümde de ARC-AGI-1 ve 2'nin görev başı maliyet ortalaması kullanılır.
Kalın yarı saydam hatlar ortalamadır. Renkliler sağlayıcının kadro ortalaması: her model çıkışında, sağlayıcının her ailesinin o güne kadarki en güncel modelinin ortalaması; yenilenmeyen küçük modeller (ör. Haiku 4.5) kadroda kaldıkça ortalamayı aşağıda tutar. Gri Genel ortalama çeyreklik: o çeyrekte çıkan tüm modellerin ortalaması, nokta ortalama çıkış tarihinde. Ucuz modellerin yoğun çıktığı çeyrekte skor da maliyet de düşebilir; büyük grafikte yalnızca testlerin hepsinde ölçülmüş modeller girer. GPT hattı 5.6'dan sonra en üst kademeyle (Sol → Astra) devam ediyor; GPT-6'nın "Provider Adapter" sonuçları dahil değil.