一项创新的推理时间扩展方法通过结合o4-mini、Gemini-2.5-Pro和DeepSeek-R1三种AI模型，在ARC-AGI-2基准测试中实现了30%的性能提升，显著优于单个模型的表现。该技术采用动态选择机制，根据问题特性自动分配最适合的AI模型进行处理。研究团队将蒙特卡洛树搜索算法扩展应用于此系统，有效平衡了新解决方案生成与现有方案优化的过程。开源的TreeQuest框架为这一技术的实际部署提供了支持，使得这种集体智能方法能够在更广泛的场景中应用。这一突破不仅展示了多模型协作的潜力，也为未来AI系统的发展提供了新思路，特别是在需要复杂决策和问题解决的领域。