Gemini 4 Argon 逼近前沿，数学与编码仍落后
AI 总结
Google DeepMind 的新前沿模型 Gemini 4 Argon 在 ARC-AGI-3 上以 97.5% 的成绩通过 95% 大关，成本约 4,800 美元，使用的是带保留推理与上下文压缩等厂商特性的 "Provider Adapter Harness" 测试配置；据 ARC Prize，Google 成为继 OpenAI 之后第二家跨过该门槛的实验室，目前仅 GPT-6 Astra 的 99.9% 更高。测试结果高度依赖环境：在仅允许轮次间简单记录的 "Standard Harness" 中，低推理档的 Argon 掉到 49.8%，成本 5,800 美元，且因 API 问题未能完成全部 55 个游戏。Epoch AI 的 Epoch Capabilities Index 给 Argon 165 分，与 Fable 5.1 持平，略低于 Opus 5.5（167）和 GPT-6 Astra（166），这是 Google 自 2026 年 2 月 Gemini 3.1 Pro 以来最接近前沿的一次；不过早期估计显示它在 Math ECI 排第八、软件工程指数排第六，尽管在若干知识、智能体与视觉基准上领先。
深度见解
它显示 Google 重新回到前沿竞争行列，但成绩与测试配置强绑定，提醒读者看待基准分数要连同方法与成本一起看。