Gemini 4 Argon взял ARC-AGI-3 с 97,5%, но в стандартном тесте — лишь 49,8%

Google DeepMind вывела Gemini 4 Argon на бенчмарк ARC-AGI-3, и результат оказался двойственным. С одной стороны, 97,5% — это второй случай в индустрии после OpenAI, когда модель пересекает порог в 95%, что делает Argon самым близким приближением Google к фронтиру ИИ за последние месяцы.

С другой стороны, достижение сильно зависит от условий тестирования. В стандартном окружении (harness) показатель модели падает до 49,8%. Такой разброс заставляет усомниться в надёжности результата.

Вдобавок Gemini 4 Argon отстаёт от конкурентов по математике и программной инженерии. Успех на одном бенчмарке не гарантирует общего превосходства, и Google это только подтвердила.