# Google Gemini 4 Argon在ARC-AGI-3测试中得分97.5%

> Gemini 4 Argon在难度最高的通用问题解决测试中得分97.5%，仅次于OpenAI的GPT-6 Astra。

Oossa · 2026-10-16 · https://oossa.com/zh/google-s-gemini-4-argon-hits-97-5-on-arc-agi-3-benchmark

Google DeepMind发布了一款名为Gemini 4 Argon的新模型。在名为ARC-AGI-3的测试中，该模型得分97.5%，超过了只有少数实验室达到的95%门槛。目前公开报告中，只有OpenAI的GPT-6 Astra得分更高，达到99.9%。

## 测试如何进行

这一成绩是在名为“Provider Adapter Harness”的配置下取得的。该配置允许模型在不同步骤之间保留推理状态并压缩上下文，是一项厂商专属功能。使用限制更多的“Standard Harness”运行同一模型时，得分降至49.8%，且未能完成全部55款游戏。

## 这些数字意味着什么

在ARC-AGI-3的25款公开游戏中，Argon所需操作次数比人类基准少62%，并在三款游戏中追平了纪录速度。在较早版本的基准测试中，Argon在ARC-AGI-2和ARC-AGI-1上的得分分别为91.3%和98.5%，每项任务的成本分别为$0.32和$0.16。

名为Epoch Capabilities Index的独立指数为Argon打出165分，与Fable 5.1并列，略低于Opus 5.5（167分）和GPT-6 Astra（166分）。该模型在知识、智能体和视觉测试中领先，但在数学和软件工程任务上表现较弱。

## 事实

- Gemini 4 Argon使用Provider Adapter Harness配置，在ARC-AGI-3基准测试中得分97.5%。
- 使用Provider Adapter Harness配置时，每轮测试成本为$4,800；使用Standard Harness时成本为$5,800，得分则降至49.8%。
- 在ARC-AGI-3测试中，只有OpenAI的GPT-6 Astra得分高于Argon，成绩为99.9%。
- 在ARC-AGI-3的25款公开游戏中，Argon所需操作次数比人类基准少62%。
- Argon在Epoch Capabilities Index中获得165分，与Fable 5.1并列，略低于Opus 5.5（167分）和GPT-6 Astra（166分）。

## 为什么重要

对于依赖AI解决复杂问题的开发者和企业来说，Gemini 4 Argon在ARC-AGI-3中的高分表明，Google的模型如今已能与顶尖系统一较高下。不过，它在标准测试中的得分较低，在数学和编程方面也较弱，这说明要发挥最佳表现，模型可能仍需定制配置。

## 来源与参考

1. [Google's Gemini 4 Argon is closer to the AI frontier than any Google model in months](https://the-decoder.com/googles-gemini-4-argon-is-closer-to-the-ai-frontier-than-any-google-model-in-months/) – The Decoder, 2026-10-16

最后更新: 2026-10-16