产品 The Decoder AI·原文 2026年10月16日

Gemini 4 Argon在ARC-AGI-3得分 97.5%，标准测试下降至 49.8%

Google Deepmind新前沿模型Gemini 4 Argon在ARC-AGI-3上以特定测试配置取得 97.5%，成为第二个跨过 95% 的实验室；换用标准测试环境后分数跌至 49.8%，且Epoch AI估计其在数学与软件工程上仍落后于前沿对手。

AI解读：Google Deepmind的Gemini 4 Argon在ARC-AGI-3上使用Provider Adapter Harness取得 97.5%，该测试配置依赖厂商特定功能如保留推理与上下文压缩，成本为 4800 美元。

据ARC Prize，Google是继OpenAI之后第二家越过 95% 门槛的实验室，仅GPT-6 Astra以 99.9% 更高。

在只允许简单笔记的标准测试环境中，Argon低推理档得分降至 49.8%、成本 5800 美元，且因API问题未完成全部 55 局比赛。

在 25 个公开游戏中，Argon所需操作数比人类基线少 62%，在 3 个游戏追平或打破速通纪录。

Epoch AI的ECI综合评分显示Argon得 165 分，与Fable 5.1持平，略低于Opus 5.5的 167 和GPT-6 Astra的 166，但早期估计其在数学ECI排第八、软件工程ECI排第六。

Google Deepmind的新前沿模型Gemini 4 Argon在ARC-AGI-3基准上取得 97.5% 的分数。据ARC Prize，这使Google成为继OpenAI之后第二家在该基准上跨过 95% 的AI实验室。

该 97.5% 的成绩是在名为Provider Adapter Harness的测试配置下取得，该配置利用厂商特定功能，包括保留推理和上下文压缩，测试成本为 4800 美元。得分仅次于GPT-6 Astra的 99.9%。

换用仅允许轮次间简单笔记的Standard Harness后，Argon在低推理档得分降至 49.8%，成本 5800 美元。

测试配置决定分数：Provider Adapter Harness与Standard Harness的差距

ARC-AGI-3的成绩高度依赖测试方法。在Provider Adapter Harness下，Argon得到 97.5%；而在Standard Harness下，低推理档仅 49.8%，中推理档 46.3%。

测试者称，API问题导致Argon无法完成Standard Harness下的全部 55 局比赛：低推理档完成 42 局，中推理档完成 46 局，最高推理档仅完成 19 局，因此ARC Prize未公布最高档分数。已报告的结果仍覆盖全部 55 局，但包含中止运行的部分得分。

在ARC-AGI-3的 25 个公开游戏中，Argon与GPT-6 Astra所需操作数均比人类基线少 62%。Argon在其中 3 个游戏追平或打破速通纪录，另有 6 个游戏用时在最佳成绩 10% 以内。

在ARC-AGI旧版本上，Argon于ARC-AGI-2得 91.3%（每任务 0.32 美元），于ARC-AGI-1得 98.5%（每任务 0.16 美元）。上述成本基于输入每百万token 2美元、输出每百万token 10美元的引入期价格。

研究机构Epoch AI的Epoch Capabilities Index（ECI）将 50 多个基准合并为单一能力标尺。Argon得分 165，与Fable 5.1持平，略低于Opus 5.5的 167 和GPT-6 Astra的 166。

据Epoch AI，165 分使Google与当前AI前沿的差距为自 2026 年 2 月Gemini 3.1 Pro以来最小，并明显高于Gemini 3.8 Flash的 157 分。Artificial Analysis和Vals.ai此前也确认了这一趋势。

但Epoch AI指出，早期估计Argon在Math ECI排第八、在软件工程指数（SWE ECI）排第六，尽管它在若干知识、智能体和视觉基准上领先。