Google DeepMindが、新モデル「Gemini 4 Argon」を公開した。ARC‑AGI‑3というテストで97.5％を記録し、到達した研究機関がわずかしかない95％の壁を超えた。公表されているモデルでこれを上回ったのは、99.9％を記録したOpenAIのGPT‑6 Astraだけだ。
テストの実施方法
このスコアは「Provider Adapter Harness」と呼ばれる環境で得られた。この環境では、モデルがステップ間で推論内容を保持でき、コンテキストを圧縮する。これは特定のベンダー向けの機能だ。同じモデルを、より制約の厳しい「Standard Harness」で動かしたところ、スコアは49.8％に下がり、全55ゲームをクリアできなかった。
数値が示すもの
ARC‑AGI‑3の公開ゲーム25本では、Argonが必要としたアクション数は人間の基準より62％少なく、3ゲームで最速記録に並んだ。旧バージョンのベンチマークでは、ARC‑AGI‑2で91.3％、ARC‑AGI‑1で98.5％を記録。1タスクあたりのコストはそれぞれ$0.32、$0.16だった。
独立した指標であるEpoch Capabilities Indexで、Argonは165ポイントを獲得し、Fable 5.1と同点だった。Opus 5.5（167）とGPT‑6 Astra（166）に次ぐ順位だ。知識、エージェント、視覚のテストでは首位に立つ一方、数学とソフトウェアエンジニアリングの課題では後れを取っている。
なぜ重要か
複雑な問題解決にAIを活用する開発者や企業にとって、Gemini 4 Argonの高いARC‑AGI‑3スコアは、Googleのモデルが最上位のシステムに肩を並べるようになったことを示している。ただし、標準テストでのスコアが低く、数学やコーディングの性能も弱いことから、最高の結果を得るには、なお独自の設定が必要になる可能性がある。
