谷歌 Gemini 4 Argon 评测：ARC-AGI-3 得分 97.5%，但稳定性存疑

The Decoder报道称 Gemini 4 Argon 在 ARC-AGI-3 的特定测试设置下取得 97.5% 得分，但在标准测试环境下为 49.8%，关注价值在于它同时展示了模型能力和评测协议对结果的显著影响。

• 文章称，97.5%成绩来自使用厂商特定功能的 Provider Adapter Harness。
• 在只允许简单跨轮次记录的 Standard Harness 中，文章报告的得分降至 49.8%。
• 文章还称，Argon 在数学和软件工程指标上的排名低于其在 ARC-AGI-3 上的表现。
• Google 官方发布材料称，Argon已向开发者和企业开放，并公布了价格、代码代理和安全测试等内部结果；这些数据主要是厂商自报，不能替代独立评测。
• 因此，单一基准的高分更适合说明特定任务和配置下的能力，不宜直接推导为通用模型排名。
• 影响/看点：如果不同测试环境下的差距持续存在，模型评测需要同时披露工具权限、上下文保留、推理预算和失败处理方式；只有在统一协议和独立复测下，分数才更适合用于横向比较。
• 资料依据:
• The Decoder（2026-10-16）：https://the-decoder.com/googles-gemini-4-argon-is-closer-to-the-ai-frontier-than-any-google-model-in-months/
• Google 官方博客（2026-10-13）：https://blog.google/intl/de-de/produkte/suchen-entdecken/gemini-4/
• ARC Prize（2026-10-16）：https://x.com/arcprize/status/2110768292101042240

本内容由 AI 生成，仅供参考，请注意甄别