Gemini 4 Argon在ARC-AGI-3高分依赖特定API设置且数学与工程能力仍落后

Google DeepMind的Gemini 4 Argon在ARC-AGI-3基准上以97.5%的成绩成为继OpenAI后第二家突破95%门槛的实验室，但这一结果高度依赖于使用保留推理和上下文压缩功能的“Provider Adapter Harness”测试环境。在仅允许简单笔记的标准环境中，其得分降至49.8%，且未能完成所有55个游戏任务。

Epoch AI的ECI指数显示Argon得分为165分，虽已接近GPT-6 Astra（166分）和Opus 5.5（167分），但在数学领域排名第八、软件工程领域排名第六。相比之下，GPT-6 Astra在ARC-AGI-3中达到99.9%的高分，而Argon在旧版本基准上的表现也显示出成本差异巨大，从$0.16到$4,800不等。

事实：Gemini 4 Argon在特定环境下取得97.5% ARC-AGI-3成绩；标准环境下得分49.8%；ECI指数165分。推断：该模型在通用问题解决能力上接近前沿，但在专业领域仍有差距。猜测：未来基准测试可能因技术环境变化而产生更多波动。