ARC Prize 公布 Gemini 4 Argon 评测结果

ARC Prize 公布 Gemini 4 Argon 在 ARC-AGI 系列基准上的成绩：ARC-AGI-3 达 97.5%（成本 4.8K 美元，provider adapter harness）与 49.8%（成本 5.8K 美元，standard harness），ARC-AGI-2 为 91.3%（0.32 美元/任务），ARC-AGI-1 为 98.5%（0.16 美元/任务）。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。François Chollet 表示 Argon 在 ARC-AGI-3 上的表现与 Astra 类似，Google 重回前沿。

针对 Gemini 4 Argon 在 ARC-AGI-3 上取得 97.5%（provider adapter harness，$4.8K）与 49.8%（standard harness，$5.8K）的成绩，作者表示不确定循环推理在其中扮演了什么角色，但认为靠大量游戏 RL 就能解决，循环推理可能只是让成本大幅降低。他给出的整体判断是约 85% 归因于游戏 RL、15% 归因于循环推理，主要依据是 Opus 5 的数据点和 AI 领域一切都能做 RL 的趋势。

ARC Prize 对 Gemini 4 Argon 的 ARC-AGI-3 标准测试因 API 问题未能完成：低推理模式得分 49.8%（55 局完成 42 局），中推理模式 46.3%（完成 46 局），高推理模式仅完成 19 局故未公布分数。

ARC Prize 公布 Google 的 Gemini 4 Argon 在 ARC-AGI 系列基准上的 Verified 成绩：ARC-AGI-3 为 97.5%（provider adapter harness，成本 4.8K 美元）和 49.8%（standard harness，成本 5.8K 美元），ARC-AGI-2 为 91.3%（0.32 美元/任务），ARC-AGI-1 为 98.5%（0.16 美元/任务）。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。