Google DeepMind har släppt en ny modell som heter Gemini 4 Argon. I testet ARC‑AGI‑3 fick modellen 97,5 %. Det är över gränsen på 95 %, som bara ett fåtal AI-labb har passerat. Den enda modell som offentligt uppges ha fått högre poäng är OpenAI:s GPT‑6 Astra, med 99,9 %.
Så genomfördes testet
Poängen uppnåddes med en uppsättning som kallas ”Provider Adapter Harness”. Den gör att modellen kan behålla sitt resonemang mellan stegen och komprimera kontexten – en funktion som är specifik för leverantören. När samma modell kördes i den mer begränsade ”Standard Harness” sjönk resultatet till 49,8 %, och modellen klarade inte att slutföra alla 55 spel.
Vad siffrorna betyder
I ARC‑AGI‑3:s 25 offentliga spel behövde Argon 62 % färre handlingar än en mänsklig baslinje och tangerade rekordtempot i tre spel. I äldre versioner av testet fick Argon 91,3 % i ARC‑AGI‑2 och 98,5 % i ARC‑AGI‑1. Kostnaden per uppgift var $0.32 respektive $0.16.
Ett oberoende index, Epoch Capabilities Index, gav Argon 165 poäng. Det är samma resultat som Fable 5.1 och strax under Opus 5.5 (167) och GPT‑6 Astra (166). Modellen ligger i topp i tester av kunskap, agentförmåga och syn, men presterar sämre i matematik och mjukvaruutveckling.
Varför det spelar roll
För utvecklare och företag som använder AI för komplex problemlösning visar Gemini 4 Argons höga resultat i ARC‑AGI‑3 att Googles modeller nu kan mäta sig med de allra bästa. Samtidigt tyder det lägre resultatet i standardtestet och de svagare prestationerna i matematik och programmering på att modellen fortfarande kan behöva anpassade inställningar för att nå sin fulla potential.
