Gemini 4 Argon vượt trội GPT-6-Astra trên benchmark reasoning của Scale AI

Gemini 4 Argon của Google đạt điểm 55.4% trên benchmark Humanity's Sixth Sense để dẫn trước GPT-6-Astra của OpenAI với 53.6%. Scale AI đã công bố kết quả vào ngày 14 tháng 10, xác định mô hình này là người thực hiện tốt nhất trong lĩnh vực lý luận trực quan. Benchmark HSS đo lường khả năng lý luận của AI vượa quá thông tin hiển thị, bao gồm việc nhận biết các vật thể ẩn, dự đoán các sự kiện sắp tới và hiểu biết hành vi con người. Scale AI hiện đang phân tích hiệu suất trên nhiều danh mục cụ thể khác nhau để đánh giá sâu hơn những khả năng này.