Gemini 4 Argon 在 ARC-AGI-3 得分 97.5%

先了解这件事

ARC Prize 公布 Google DeepMind 的 Gemini 4 Argon 在 ARC-AGI-3 的评测成绩：使用 provider adapter harness 得分 97.5%、成本 4.8K 美元，使用标准 harness 得分 49.8%、成本 5.8K 美元。ARC Prize 称，97.5% 仅次于 GPT-6 Astra 的 99.9%，Google DeepMind 由此成为第二家在 ARC-AGI-3 上得分超过 95% 的前沿 AI 实验室。ARC Prize 的 François Chollet 转发该结果，称 Argon 在 ARC-AGI-3 上表现与 Astra 相近，Google 回到前沿。

标准 harness 下，低推理得分 49.8%（完成 42/55 局），中推理 46.3%（完成 46/55 局），高推理仅完成 19/55 局，未公布分数。ARC Prize 称，Argon 在 25 个公开游戏中的操作次数比人类基线少 62%，在 3 个游戏上追平或打破速通纪录，另在 6 个游戏上差距在 10% 以内。

同一评测中，Argon 在 ARC-AGI-2 得分 91.3%、每任务 0.32 美元，在 ARC-AGI-1 得分 98.5%、每任务 0.16 美元。Ethan Mollick 引用上述数据称，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。