Chollet称Argon在ARC-AGI-3表现与Astra相近

10月16日

1. 23:03

   The Decoder

   Google Gemini 4 Argon 在 ARC-AGI-3 得分 97.5%，但换测试环境后降至 49.8%

   Google DeepMind 的新前沿模型 Gemini 4 Argon 在 ARC-AGI-3 上以 Provider Adapter Harness 测试环境取得 97.5%，成本 4800 美元，成为继 OpenAI 之后第二个跨过 95% 的实验室，仅次于 GPT-6 Astra 的 99.9%。在只允许简单笔记的 Standard Harness 下，低推理档得分降至 49.8%，且因 API 问题未能跑完全部 55 个游戏。Epoch AI 的 ECI 指数上 Argon 得 165 分，与 Fable 5.1 持平，但在数学 ECI 排第八、软件工程指数排第六。

   展开摘要
2. 23:03

   The Decoder相关讨论

   The Decoder 参与了这场讨论 ↗

   原帖参与热度计算，不等同于正式报道或已确认事实。

3. 00:51

   François Chollet精选

   Chollet：Gemini 4 Argon 在 ARC-AGI-3 表现与 Astra 相当，Google 重回前沿

   François Chollet 表示，Gemini 4 Argon 在 ARC-AGI-3 上的性能表现与 Astra 相近，Google 重回前沿。ARC Prize 引用数据显示，Google DeepMind 的 Gemini 4 Argon 在 ARC-AGI-3 上取得 97.5%（provider adapter harness，$4.8K）和 49.8%（standard harness，$5.8K），ARC-AGI-2 为 91.3%、$0.32/task，ARC-AGI-1 为 98.5%、$0.16/task，是第二家在 ARC-AGI-3 上超过 95% 的前沿 AI 实验室。

   展开摘要
4. 00:22

   ARC Prize一手精选

   ARC Prize 公布 Gemini 4 Argon 在 ARC-AGI 系列上的评测结果

   ARC Prize 公布 Google Gemini 4 Argon 在 ARC-AGI 上的验证成绩：ARC-AGI-3 达 97.5%（provider adapter harness，成本 4.8K 美元），标准 harness 下为 49.8%（成本 5.8K 美元）；ARC-AGI-2 为 91.3%，每任务 0.32 美元；ARC-AGI-1 为 98.5%，每任务 0.16 美元。ARC Prize 称 Google DeepMind 是第二家在 ARC-AGI-3 上超过 95% 的前沿 AI 实验室，Argon 的 97.5% 仅次于 GPT-6 Astra 的 99.9%。标准 harness 测试因 API 问题未能完成全部 55 个游戏，高推理档仅完成 19 个游戏故未公布分数，成本按每百万 token 输入 2 美元、输出 10 美元的当前优惠价计算。

   展开摘要
5. 00:22

   ARC Prize一手精选

   Gemini 4 Argon 在 ARC-AGI-3 得分 97.5%，仅次于 GPT-6 Astra

   ARC Prize 公布 Google Gemini 4 Argon 在 ARC-AGI-3 上取得 97.5% 的分数，仅次于 GPT-6 Astra 的 99.9%，是第二个在 ARC-AGI-3 上超过 95% 的前沿 AI 实验室。Argon 在 25 个公开游戏中的动作数比人类基线少 62%，并在 3 个游戏上追平或打破速通纪录，另有 6 个游戏差距在 10% 以内。其 ARC-AGI-2 得分为 91.3%（$0.32/任务），ARC-AGI-1 为 98.5%（$0.16/任务）；标准 harness 下低推理档完成 42/55 个游戏、得分 49.8%，中推理档完成 46/55、得分 46.3%，高推理档仅完成 19/55 故未公布分数。

   展开摘要
6. 00:22

   ARC Prize一手精选

   ARC Prize 公布 Gemini 4 Argon 在 ARC-AGI 上的测试结果

   ARC Prize 公布 Google Gemini 4 Argon 在 ARC-AGI 系列基准上的验证成绩：ARC-AGI-3 在 provider adapter harness 下得分 97.5%、成本 4.8K 美元，标准 harness 下为 49.8%、5.8K 美元；ARC-AGI-2 为 91.3%、每任务 0.32 美元，ARC-AGI-1 为 98.5%、每任务 0.16 美元。Google DeepMind 由此成为第二家在 ARC-AGI-3 上得分超过 95% 的前沿 AI 实验室，仅次于 GPT-6 Astra 的 99.9%。Argon 在 25 个 ARC-AGI-3 公开游戏中比人类基线少用 62% 的动作，并在 3 个游戏中追平或打破速通纪录。

   展开摘要