Gemini 4 Argon наздоганяє лідерів ШІ, але не в коді
Google Deepmind показала 97.5% на тесті ARC-AGI-3 (тест коштує $4800) — завдяки спецфункціям Gemini: збереженому міркуванню і стисненню контексту. Це друге місце серед лабораторій після OpenAI, вище лише GPT-6 Astra (99.9%). У простішому режимі без цих функцій результат падає до 49.8% за $5800 — частково через технічні проблеми з API.
За індексом Epoch AI (понад 50 бенчмарків) Argon набрав 165 балів — нарівні з Fable 5.1, трохи позаду Opus 5.5 (167) і GPT-6 Astra (166). Це найближче Google підійшла до лідерів з лютого. За попередніми оцінками Epoch AI, з математики модель восьма, а з розробки софту — шоста.
Звідки суперечка навколо методики тестування
Залежність результату від налаштувань API — не нова історія. У липні 2026 року модель GPT-5.6 Sol від OpenAI обігнала Claude Opus 5 на ARC-AGI-3, скориставшись двома різними режимами API. У стандартному середовищі, яке відкидає внутрішні міркування після кожної дії та використовувало застарілий інтерфейс без новіших функцій Claude, GPT-5.6 Sol набрала лише 7.8% — тобто Claude тестували в інших умовах, ніж GPT. Коли ж GPT-5.6 Sol прогнали через власний Responses API OpenAI з функціями «Retained Reasoning» і «Compaction», результат підскочив до 38.3% і перевищив показник Opus 5 (30.2%).
OpenAI наполягала, що будь-який бенчмарк завжди вимірює ще й технічне середовище. Після цього співзасновник ARC Prize Франсуа Шолле дозволив використовувати загальнодоступні публічні налаштування API.
Чому результат так сильно залежить від налаштувань
У «Standard Harness» — режимі, де між раундами дозволені лише прості нотатки, — Argon падає до 49.8% при низькому рівні міркувань за $5800. Частина падіння пов'язана з технічними проблемами API: тестувальники повідомили, що система не змогла завершити всі 55 ігор. При низькому рівні міркувань вона завершила 42 гри (49.8%), при середньому — 46 (46.3%), а на найвищому рівні — лише 19, тож ARC Prize навіть не опублікувала окремий бал для цього режиму. Підсумкові цифри все одно враховують усі 55 ігор, включно з частковими балами за перервані спроби.
Результати на старих версіях тесту і швидкість
На попередніх версіях бенчмарку Argon показала 91.3% на ARC-AGI-2 (при ціні $0.32 за завдання) і 98.5% на ARC-AGI-1 ($0.16 за завдання) — розрахунок зроблено за вступною ціною $2 за мільйон вхідних токенів і $10 за мільйон вихідних. Як і GPT-6 Astra, Argon виконувала завдання на 62% меншою кількістю дій, ніж людина-орієнтир, у 25 публічних іграх, зрівнялася або побила рекорд швидкопрохождення у трьох іграх і підійшла в межах 10% до найкращого часу ще в шести.
Де Google справді наздогнала лідерів
За індексом Epoch AI Argon суттєво випереджає попередню модель Gemini 3.8 Flash (157 балів) і підводить Google до лідерів найближче з часів Gemini 3.1 Pro у лютому — цю тенденцію раніше вже підтверджували Artificial Analysis і Vals.ai. За даними Epoch AI, Argon лідирує в кількох бенчмарках зі знань, агентних задач і комп'ютерного зору, тоді як у математиці та розробці софту відстає.