启用两项设置如何让我们的 ARC-AGI-3 得分提升至三倍

GPT‑5.6 Sol 在 ARC-AGI-3 上得分异常低，原因不在模型而在评测框架：官方 harness 丢弃私有推理并用滚动截断压缩历史。改用 Responses API 并开启保留推理与 compaction 后，公开任务集得分从 13.3% 升到 38.3%，输出 token 减少 6 倍。