Gemini 4 Argon, ARC-AGI-3 sağlayıcıya özel testinde %97,5 aldı

Google DeepMind’ın Gemini 4 Argon modeli, 16 Ekim 2026’da yayımlanan değerlendirmeye göre ARC-AGI-3 genel problem çözme testinde sağlayıcıya özel bir kurulumla %97,5 puan aldı. The Decoder’ın aktardığı ARC Prize verilerinde bu testin maliyeti 4.800 dolar olarak veriliyor. ARC Prize’a göre Google DeepMind, ARC-AGI-3’te %95 eşiğini geçen ikinci yapay zekâ laboratuvarı oldu. Ancak farklı test düzenlerinde ortaya çıkan puanlar, sonucun kullanılan ölçüm koşullarına bağlı olduğunu gösteriyor.

Test düzeni sonucu nasıl değiştirdi?

Provider Adapter Harness, modelin sağlayıcıya özgü bazı özelliklerinden, korunan akıl yürütme ve bağlam sıkıştırma gibi imkânlardan yararlanıyor. Daha sınırlı bir test olan Standard Harness’te ise turlar arasında yalnızca basit notlar kullanılabiliyor. Argon bu düzende düşük akıl yürütme seviyesinde %49,8 puan aldı; testin maliyeti 5.800 dolar olarak bildirildi.

Standard Harness denemelerinde API sorunları, tamamlanabilen oyun sayısını da etkiledi. Düşük akıl yürütme seviyesinde 55 oyunun 42’si, orta seviyede 46’sı tamamlandı. En yüksek seviyede yalnızca 19 oyun bitirilebildiği için bu koşulda puan yayımlanmadı. Açıklanan sonuçlarda yarıda kalan denemelerden elde edilen kısmi puanlar da hesaba katıldı. Bu nedenle %97,5’lik sonucu değerlendirirken test düzenini ve tamamlanan görevleri birlikte dikkate almak gerekiyor.

Diğer kıyaslama sonuçları ne gösteriyor?

ARC-AGI-3’ün 25 açık oyununun genelinde Argon, insan temel çizgisine kıyasla %62 daha az hamle gerektirdi. Model üç oyunda hız rekorunu yakaladı veya geçti; altı oyunda ise en iyi sürenin %10 yakınına ulaştı. Önceki test sürümlerinde ARC-AGI-2 puanı %91,3, ARC-AGI-1 puanı %98,5 olarak açıklandı. Bu testler için görev başına maliyetler sırasıyla 0,32 dolar ve 0,16 dolar olarak aktarıldı.

Epoch AI’nin Capabilities Index ölçümünde Argon 165 puan aldı ve Fable 5.1 ile aynı puana ulaştı. Opus 5.5’in puanı 167, GPT-6 Astra’nınki 166, Gemini 3.8 Flash’ınki ise 157 olarak verildi. Genel endeksin yanı sıra alan bazındaki sonuçlar da farklı bir tablo ortaya koyuyor: Epoch AI’nin erken tahminlerinde Argon, Math ECI’de sekizinci ve Software Engineering Index’te altıncı sırada bulunuyor.

Mimarlık ve görselleştirme iş akışları için anlamı

Bu kıyaslamalar, Argon’un mimari modelleme, görsel üretim veya proje yazılımlarıyla entegrasyonunu ölçmüyor. Dolayısıyla ARC-AGI-3 puanı, mimari bir işin daha hızlı tamamlanacağı ya da görselleştirme kalitesinin artacağı anlamına gelmiyor. Ofisler ve görselleştirme ekipleri için sonuçlar, ancak kendi görevleriyle yapılacak denemelerle anlam kazanabilir.

Maliyet tarafında kaynak, ARC-AGI-3 test düzenleri için 4.800 ve 5.800 dolarlık giderler bildiriyor; bunlar doğrudan ürün kullanım tarifesi olarak sunulmuyor. Ayrıca başlangıç API fiyatları milyon girdi tokenı başına 2 dolar, milyon çıktı tokenı başına 10 dolar olarak aktarılıyor. Kaynakta donanım gereksinimi, lisans kapsamı veya mimari yazılımlarla uyumluluk hakkında bilgi bulunmuyor. Bu başlıklar netleşmeden mevcut üretim iş akışlarına yönelik bir karar vermek için yeterli veri yok.