Google DeepMind hat ein neues Modell namens Gemini 4 Argon vorgestellt. Im Test ARC‑AGI‑3 erzielte es 97,5 %. Damit liegt es über der Marke von 95 %, die bislang nur wenige Labore überschritten haben. Das einzige öffentlich gemeldete Modell mit einem höheren Ergebnis ist OpenAIs GPT‑6 Astra, das 99,9 % erreichte.
So wurde der Test durchgeführt
Das Ergebnis wurde mit einem Setup namens „Provider Adapter Harness“ erzielt. Dadurch kann das Modell seine Schlussfolgerungen zwischen den einzelnen Schritten beibehalten und den Kontext komprimieren – eine anbieterspezifische Funktion. Im restriktiveren „Standard Harness“ kam dasselbe Modell nur auf 49,8 % und konnte nicht alle 55 Spiele abschließen.
Was die Zahlen bedeuten
Bei den 25 öffentlichen Spielen in ARC‑AGI‑3 benötigte Argon 62 % weniger Aktionen als der menschliche Vergleichswert. In drei Spielen erreichte es damit das Rekordtempo. Bei älteren Versionen des Benchmarks kam Argon auf 91,3 % bei ARC‑AGI‑2 und 98,5 % bei ARC‑AGI‑1. Die Kosten lagen bei 0,32 $ beziehungsweise 0,16 $ pro Aufgabe.
Der unabhängige Epoch Capabilities Index bewertete Argon mit 165 Punkten. Damit liegt es gleichauf mit Fable 5.1 und knapp hinter Opus 5.5 (167) und GPT‑6 Astra (166). Bei Wissen, Agenten- und Sehtests liegt das Modell vorn, bei Mathematik und Softwareentwicklung dagegen zurück.
Warum es wichtig ist
Für Entwickler und Unternehmen, die bei komplexen Problemen auf KI setzen, zeigt Gemini 4 Argons starkes Ergebnis bei ARC‑AGI‑3, dass Googles Modelle inzwischen mit den führenden Systemen mithalten können. Das schwächere Abschneiden im Standardtest sowie die Defizite in Mathematik und Programmierung deuten jedoch darauf hin, dass das Modell möglicherweise spezielle Einstellungen benötigt, um seine Bestleistung zu erreichen.
