Google DeepMind ने Gemini 4 Argon नाम का नया मॉडल जारी किया है। ARC‑AGI‑3 नाम के टेस्ट में इसने 97.5% अंक हासिल किए। यह 95% की उस सीमा से ऊपर है, जिसे अब तक कुछ ही लैब पार कर पाई हैं। इससे अधिक स्कोर करने वाला अब तक सार्वजनिक रूप से घोषित एकमात्र मॉडल OpenAI का GPT‑6 Astra है, जिसने 99.9% अंक पाए।
टेस्ट कैसे किया गया
यह स्कोर “Provider Adapter Harness” नाम के सेटअप में मिला। इसकी मदद से मॉडल अलग-अलग चरणों के बीच अपनी रीजनिंग बनाए रख सकता है और संदर्भ को संक्षिप्त कर सकता है—यह सुविधा खास तौर पर इसी विक्रेता के सेटअप में उपलब्ध है। जब इसी मॉडल को अधिक सीमित “Standard Harness” में चलाया गया, तो इसका स्कोर घटकर 49.8% रह गया और यह सभी 55 गेम पूरे नहीं कर सका।
इन आंकड़ों का क्या मतलब है
ARC‑AGI‑3 के 25 सार्वजनिक गेम में Argon ने इंसानी आधाररेखा की तुलना में 62% कम कार्रवाइयों की जरूरत पड़ी। तीन गेम में इसकी गति रिकॉर्ड के बराबर रही। बेंचमार्क के पुराने संस्करणों में Argon ने ARC‑AGI‑2 पर 91.3% और ARC‑AGI‑1 पर 98.5% स्कोर किया। प्रति टास्क इसकी लागत क्रमशः $0.32 और $0.16 रही।
Epoch Capabilities Index नाम के स्वतंत्र सूचकांक में Argon को 165 अंक मिले। इस स्कोर के साथ यह Fable 5.1 के बराबर रहा और Opus 5.5 (167) तथा GPT‑6 Astra (166) से थोड़ा पीछे रहा। ज्ञान, एजेंट और विज़न टेस्ट में यह मॉडल सबसे आगे है, लेकिन गणित और सॉफ्टवेयर इंजीनियरिंग के कामों में पीछे है।
यह क्यों मायने रखता है
जटिल समस्याएं सुलझाने के लिए AI पर निर्भर डेवलपरों और कारोबारों के लिए Gemini 4 Argon का ऊंचा ARC‑AGI‑3 स्कोर दिखाता है कि Google के मॉडल अब शीर्ष सिस्टमों को कड़ी टक्कर दे रहे हैं। हालांकि, Standard Harness में इसका कम स्कोर और गणित व कोडिंग में कमजोर प्रदर्शन बताता है कि बेहतरीन नतीजों के लिए मॉडल को अब भी कस्टम सेटिंग्स की जरूरत पड़ सकती है।
