谷歌的Gemini 4 Argon比几个月来的任何模型都更接近AI前沿
decoder ·
Google DeepMind 的新模型 Gemini 4 Argon 在 ARC-AGI-3 基准测试中取得了 97.5% 的显著成绩,成为继 OpenAI 之后第二个突破通用问题解决 95% 阈值的实验室。这一表现是通过 Provider Adapter Harness 记录的,该工具利用了保留推理和上下文压缩等供应商特定功能,成本为 4,800 美元。在公开游戏中,Argon 比人类基线减少了 62% 的操作次数,并经常匹配速通记录。然而,结果因测试环境而异;在限制内部推理的标准 Harness 中,得分降至 49.8%。这种差异凸显了关于 API 设置如何影响基准结果的持续争论,这与之前涉及 OpenAI 模型的争议类似。根据 Epoch AI 的数据,Argon 在 Epoch 能力指数上得分为 165 分,紧随领先者 GPT-6 Astra 和 Opus 5.5 之后。虽然 Argon 在知识、代理和视觉任务方面处于领先地位,但在数学和软件工程领域目前排名较低。这一成就标志着自 2026 年 2 月以来,谷歌最接近人工智能前沿的一次尝试。
decoder