Google Gemini 4 Argon 在 ARC-AGI-3 上得分 97.5%，但测试方法影响很大
Google DeepMind 的新前沿模型 Gemini 4 Argon 在 ARC-AGI-3 上得分 97.5%，成为继 OpenAI 之后第二家超过 95% 的实验室，成本 4800 美元，使用的是允许保留推理和上下文压缩的 Provider Adapter Harness。在只允许简单笔记的 Standard Harness 下，低推理档得分降至 49.8%。在 25 个公开游戏中，它比人类基线少用 62% 的动作。旧版基准上 ARC-AGI-2 得 91.3%（每任务 0.32 美元），ARC-AGI-…
推荐理由看清 ARC-AGI-3 高分背后的测试条件差异，避免被单一榜单数字误导