Google DeepMind presentó un nuevo modelo llamado Gemini 4 Argon. En la prueba ARC-AGI-3, obtuvo un 97,5 %. Así superó el umbral del 95 %, que solo han alcanzado unos pocos laboratorios. El único modelo del que se ha informado públicamente que obtuvo una puntuación mayor es GPT-6 Astra, de OpenAI, con un 99,9 %.
Cómo se realizó la prueba
La puntuación se obtuvo con una configuración llamada «Provider Adapter Harness». Esta permite que el modelo conserve su razonamiento entre pasos y comprime el contexto, una función específica del proveedor. Al probar el mismo modelo con una configuración más restrictiva, «Standard Harness», la puntuación bajó al 49,8 % y no pudo completar los 55 juegos.
Qué significan las cifras
En los 25 juegos públicos de ARC-AGI-3, Argon necesitó un 62 % menos de acciones que el referente humano y igualó la velocidad récord en tres juegos. En versiones anteriores de la prueba, Argon obtuvo un 91,3 % en ARC-AGI-2 y un 98,5 % en ARC-AGI-1, con costos de $0.32 y $0.16 por tarea, respectivamente.
Un índice independiente llamado Epoch Capabilities Index otorgó a Argon 165 puntos. Así, empató con Fable 5.1 y quedó justo por detrás de Opus 5.5 (167) y GPT-6 Astra (166). El modelo lidera en pruebas de conocimientos, agentes y visión, pero se queda atrás en matemáticas y tareas de ingeniería de software.
Por qué importa
Para los desarrolladores y las empresas que dependen de la IA para resolver problemas complejos, la alta puntuación de Gemini 4 Argon en ARC-AGI-3 demuestra que los modelos de Google ya compiten con los sistemas más avanzados. Sin embargo, la puntuación más baja en la prueba estándar y su menor rendimiento en matemáticas y programación indican que quizá aún necesite ajustes personalizados para alcanzar sus mejores resultados.
