Ethan Mollick 评 Gemini 4 Argon 攻克 ARC-AGI：知名难题基准时代落幕
Harnesses + smart models = the end of the last famous hard benchmarks.
AI 导读Ethan Mollick 引用 @arcprize 数据称，Gemini 4 Argon 在 ARC-AGI (Verified) 上 ARC-AGI-3 得分 97.5%（provider adapter harness，花费 $4.8K），标准 harness 下为 49.8%；ARC-AGI-2 得分 91.3%，ARC-AGI-1 得分 98.5%，Google DeepMind 是第二个在 ARC-AGI-3 上超过 95% 的前沿实验室。作者认为智能体框架加上更强模型意味着 METR Long Tasks、GDPval、ARC-AGI-3 这些著名难题基准相继失去区分度。
另有 4 家信源报道
- Google Gemini 4 Argon 在 ARC-AGI-3 达 97.5%，但仍落后数学与软件工程前列The Decoder：AI News · 2 小时前
- François Chollet 评价 Gemini 4 Argon 在 ARC-AGI-3 的表现与 Astra 相近Francois Chollet · 24 小时前
- Gemini 4 Argon 在 ARC-AGI (Verified) 评测中公布：ARC-AGI-3 得分 97.5%ARC Prize · 1 天前
- ARC Prize 公布 Gemini 4 Argon 的 ARC-AGI-3 标准 harness 测试结果ARC Prize · 1 天前
来源：Ethan Mollick · x.com
事件后续1
查看事件全部- Gemini 4 Argon 在 ARC-AGI (Verified) 评测中公布：ARC-AGI-3 得分 97.5%ARC Prize · 1 天前