Google DeepMind, Gemini 4 Argon adlı yeni bir modelini duyurdu. ARC-AGI-3 adlı testte model %97,5 puan aldı. Böylece yalnızca birkaç laboratuvarın aşabildiği %95 eşiğini geçti. Kamuya açıklanan sonuçlar arasında daha yüksek puan alan tek model, %99,9’a ulaşan OpenAI’nin GPT-6 Astra’sı oldu.
Test nasıl yapıldı
Puan, “Provider Adapter Harness” adı verilen bir kurulumla elde edildi. Bu kurulum, modelin adımlar arasında akıl yürütme sürecini sürdürmesine ve bağlamı sıkıştırmasına olanak tanıyor; bunlar belirli bir sağlayıcıya özgü özellikler. Aynı model daha kısıtlayıcı “Standard Harness” ile çalıştırıldığında puanı %49,8’e düştü ve 55 oyunun tamamını bitiremedi.
Rakamlar ne anlama geliyor?
ARC-AGI-3’ün 25 açık oyununda Argon, insan baz çizgisine kıyasla %62 daha az hamle yaptı ve üç oyunda rekor hızla eşleşti. Benchmark’ın önceki sürümlerinde Argon, ARC-AGI-2’de %91,3, ARC-AGI-1’de ise %98,5 puan aldı; görev başına maliyetler sırasıyla $0.32 ve $0.16 oldu.
Epoch Capabilities Index adlı bağımsız endeks, Argon’a 165 puan verdi. Böylece model Fable 5.1 ile aynı puanı alırken Opus 5.5’in (167) ve GPT-6 Astra’nın (166) hemen arkasında kaldı. Model bilgi, ajan ve görüntü testlerinde önde; matematik ve yazılım mühendisliği görevlerinde ise geride.
Neden önemli
Karmaşık problem çözme için yapay zekâya güvenen geliştiriciler ve işletmeler açısından Gemini 4 Argon’un ARC-AGI-3’te aldığı yüksek puan, Google’ın modellerinin artık en üst düzey sistemlerle rekabet edebildiğini gösteriyor. Ancak standart testteki daha düşük puanı ve matematik ile kodlama alanlarındaki zayıf performansı, modelin en iyi sonuçlarına ulaşmak için özel ayarlara ihtiyaç duyabileceğine işaret ediyor.
