Google Gemini 4 Argon đạt 97,5% trở thành phòng thí nghiệm thứ hai vượt qua ARC-AGI-3

Một reasoning model từ Google DeepMind đã vượt qua rào cản độ chính xác 95% trong bài kiểm tra trí tuệ nhân tạo tổng quát, đạt mức 97,5% khi dùng provider adapter harness với chi phí 4,8 nghìn USD. Mô hình Gemini 4 Argon đạt 49,8% trên harness tiêu chuẩn với chi phí 5,8 nghìn USD, đồng thời ghi nhận 91,3% trên benchmark ARC-AGI-2 với 0,32 USD mỗi tác vụ và 98,5% trên ARC-AGI-1 với 0,16 USD mỗi tác vụ. Hiệu suất này giúp công ty trở thành phòng thí nghiệm AI frontier thứ hai vượt ngưỡng 95% trên benchmark ARC-AGI-3. François Chollet lưu ý rằng hồ sơ hiệu suất của Argon trên benchmark này tương tự như Astra, cho thấy Google đã trở lại vị thế dẫn đầu AI. Các quan sát viên khác cho rằng sự nhảy vọt về điểm số là nhờ RL trên các trò chơi, với một nhà phân tích ước tính có 85% khả năng RL đã thúc đẩy kết quả so với 15% khả năng do 'loopers' gây ra, dựa trên các xu hướng tương tự trong dữ liệu Opus 5.