Google DeepMind представила новую модель Gemini 4 Argon. В тесте ARC‑AGI‑3 она набрала 97,5%. Это выше отметки в 95%, которую преодолели лишь несколько лабораторий. Среди моделей, результаты которых обнародовали, выше показатель только у GPT‑6 Astra от OpenAI — 99,9%.
Как проводили тест
Результат получили с помощью системы Provider Adapter Harness. Она позволяет модели сохранять ход рассуждений между шагами и сжимает контекст — это функция, специфичная для конкретного поставщика. При запуске той же модели в более ограниченной системе Standard Harness результат снизился до 49,8%, а пройти все 55 игр ей не удалось.
Что означают эти цифры
В 25 публичных играх ARC‑AGI‑3 Argon требовалось на 62% меньше действий, чем человеку в контрольной группе; в трёх играх модель сравнялась с рекордом по скорости. В более ранних версиях теста Argon набрала 91,3% в ARC‑AGI‑2 и 98,5% в ARC‑AGI‑1. Стоимость одного задания составила соответственно $0.32 и $0.16.
Независимый рейтинг Epoch Capabilities Index оценил Argon в 165 баллов — столько же, сколько у Fable 5.1. Модель немного уступила Opus 5.5 (167) и GPT‑6 Astra (166). Argon лидирует в тестах на знания, работу в роли агента и компьютерное зрение, но отстаёт в математике и программной инженерии.
Почему это важно
Для разработчиков и компаний, использующих ИИ для решения сложных задач, высокий результат Gemini 4 Argon в ARC‑AGI‑3 показывает, что модели Google теперь конкурируют с лучшими системами. Однако более низкий результат в стандартном тесте и слабые показатели по математике и программированию говорят о том, что для достижения максимальной эффективности модели могут потребоваться специальные настройки.
