资讯1 分钟阅读·
谷歌DeepMind称Gemini 4 Argon在ARC-AGI-3特定测试下得分97.5%，标准环境下降至49.8%
谷歌新模型在ARC-AGI-3上表现优异但依赖特定测试环境，且在数学和编程领域落后于竞争对手。
重要性实质性证据E2 未复现写法快讯
谷歌DeepMind的新前沿模型Gemini 4 Argon在ARC-AGI-3基准测试中取得了显著进展，但其表现高度依赖于测试方法。据The Decoder报道，使用允许保留推理和上下文压缩等厂商特定功能的“Provider Adapter Harness”时，该模型得分97.5%，成本为4,800美元，使其成为继OpenAI之后第二家在该广泛认为最难的一般问题解决基准上突破95%大关的实验室。然而，在仅允许简单笔记的“Standard Harness”中，其得分骤降至49.8%。
研究组织Epoch AI追踪了谷歌的进步，指出Gemini 4 Argon在Epoch Capabilities Index (ECI)上得分为165点，与Fable 5.1持平，略低于Anthropic的Opus 5.5（167点）和OpenAI的GPT-6 Astra（166点）。这是自2026年2月Gemini 3.1 Pro以来，谷歌最接近当前AI前沿的时刻。尽管在知识、智能体和视觉基准上领先，但早期估计显示其在数学ECI上排名第八，在软件工程指数（SWE ECI）上排名第六。