Gemini 4 Argon від Google ближчий до переднього краю ШІ, ніж будь-яка модель Google за останні місяці

Google DeepMind стала другою великою лабораторією ШІ, яка подолала позначку в 95 відсотків у бенчмарку ARC-AGI-3. Однак результати значною мірою залежать від методу тестування, а Argon поступається конкурентам у математиці та розробці програмного забезпечення, за даними Epoch AI.

Нова передова модель Google DeepMind, Gemini 4 Argon, набрала 97,5 відсотка в ARC-AGI-3 за вартості 4800 доларів, використовуючи «Provider Adapter Harness» — налаштування тестування, яке застосовує специфічні для постачальника функції, як-от збереження міркувань і стиснення контексту. За даними ARC Prize, Google стала другою лабораторією ШІ після OpenAI, яка подолала позначку в 95 відсотків у тесті, що широко вважається найскладнішим бенчмарком для загального розв’язання задач. Вищий результат має лише GPT-6 Astra — 99,9 відсотка.

Як і Astra, Argon потребувала на 62 відсотки менше дій, ніж за людського базового результату, у 25 публічних іграх. Модель зрівнялася з рекордом швидкісного проходження або перевершила його у трьох іграх, а ще у шести показала результат у межах 10 відсотків від найкращого часу. У старіших версіях бенчмарку Argon набрала 91,3 відсотка в ARC-AGI-2 (0,32 долара за завдання) і 98,5 відсотка в ARC-AGI-1 (0,16 долара за завдання), якщо рахувати за початковою ціною 2 долари за мільйон вхідних токенів і 10 доларів за мільйон вихідних токенів.

Результати бенчмарків значною мірою залежать від налаштувань тестування

У «Standard Harness», який дозволяє лише прості нотатки між раундами, результат Argon знижується до 49,8 відсотка за низького рівня міркувань і вартості 5800 доларів. Ця різниця бере початок у суперечці липня 2026 року, коли GPT-5.6 Sol від OpenAI перевершила Claude Opus 5 в ARC-AGI-3, використавши два налаштування API.

GPT-5.6 Sol набрала лише 7,8 відсотка у стандартному середовищі, яке відкидає внутрішні міркування після кожної дії та використовує старіший інтерфейс без новіших функцій API Claude. Це означало, що Claude тестували в інших умовах, ніж GPT-5.6. Під час тестування через власний Responses API OpenAI, зокрема з функціями «Retained Reasoning» і інтелектуальним «Compaction» контексту, результат моделі зріс до 38,3 відсотка, і вона перевершила Opus 5 із результатом 30,2 відсотка. В OpenAI заявили, що бенчмарки завжди також вимірюють технічне середовище. Після цього співзасновник ARC Prize Франсуа Шолле дозволив використовувати загальні, публічно доступні налаштування API.

Проблеми з API також не дали Argon завершити всі 55 ігор у Standard Harness, згідно з даними тестувальників. За низького рівня міркувань система завершила 42 гри (49,8 відсотка), за середнього — 46 ігор (46,3 відсотка). За найвищого рівня вона завершила лише 19 ігор, тому ARC Prize не оприлюднила результат. Опубліковані результати все ж охоплюють усі 55 ігор, оскільки включають часткові бали з перерваних запусків.

Argon скорочує відставання, але поступається в математиці та програмуванні

Дослідницький інститут Epoch AI також відстежував прогрес Google. Argon набрала 165 балів за Epoch Capabilities Index (ECI), зрівнявшись із Fable 5.1 і опинившись одразу за Opus 5.5 (167) та GPT-6 Astra (166). ECI об’єднує понад 50 бенчмарків в одну шкалу можливостей — подібно до того, як Artificial Analysis формує свій основний показник.

Argon значно випереджає Gemini 3.8 Flash (157 балів) і наближає Google до лідерів більше, ніж будь-коли після Gemini 3.1 Pro у лютому. Artificial Analysis і Vals.ai раніше підтверджували цю тенденцію.

Однак результати відрізняються залежно від сфери. За даними Epoch AI, Argon лідирує в кількох бенчмарках зі знань, агентних можливостей і комп’ютерного зору, але попередні оцінки ставлять її на восьме місце за Math ECI і на шосте — за Software Engineering Index (SWE ECI).

Новини про ШІ без хайпу — відібрані людьми

Підпишіться на THE DECODER, щоб читати без реклами, отримувати щотижневу розсилку про ШІ, наш ексклюзивний передовий звіт «AI Radar» шість разів на рік, повний доступ до архіву та доступ до розділу коментарів.