Qısaca
- Gemini 4 Argon Provider Adapter Harness ilə ARC-AGI-3-də 97,5 faiz topladı.
- Eyni model Standard Harness-in aşağı mühakimə səviyyəsində 49,8 faizə çatdı.
- Argon Epoch Capabilities Index-də 165 xal toplayaraq Fable 5.1 ilə eyni nəticə göstərdi.
- Epoch AI-nin ilkin proqnozlarında model riyaziyyat üzrə səkkizinci, proqram mühəndisliyi indeksində isə altıncı yerdə qərarlaşdı.
Google DeepMind-ın Gemini 4 Argon modeli 16 oktyabr 2026-cı ildə yayımlanan qiymətləndirməyə əsasən ARC-AGI-3 ümumi problem həlli testində provayderə məxsus quruluşla 97,5 faiz topladı. The Decoder-in təqdim etdiyi ARC Prize məlumatlarında bu testin qiyməti 4.800 dollar göstərilir. ARC Prize-a görə, Google DeepMind ARC-AGI-3-də 95 faiz həddini keçən ikinci süni intellekt laboratoriyası oldu. Bununla belə, müxtəlif test quruluşlarında alınan nəticələr göstəricinin istifadə olunan ölçmə şərtlərindən asılı olduğunu göstərir.
Test quruluşu nəticəni necə dəyişdi?
Provider Adapter Harness modelin provayderə xas bəzi xüsusiyyətlərindən, qorunan mühakimə və kontekst sıxlaşdırması kimi imkanlardan yararlanır. Daha məhdud test olan Standard Harness-də isə turlar arasında yalnız sadə qeydlərdən istifadə etmək mümkündür. Argon bu quruluşda aşağı mühakimə səviyyəsində 49,8 faiz topladı; testin qiymətinin 5.800 dollar olduğu bildirildi.
Standard Harness sınaqlarında API problemləri tamamlanan oyunların sayına da təsir etdi. Aşağı mühakimə səviyyəsində 55 oyundan 42-si, orta səviyyədə isə 46-sı tamamlandı. Ən yüksək səviyyədə cəmi 19 oyunu bitirmək mümkün olduğuna görə bu şərtdə nəticə dərc edilmədi. Açıqlanan nəticələrdə yarımçıq qalan sınaqlardan əldə olunan qismən xallar da nəzərə alındı. Buna görə 97,5 faizlik nəticəni qiymətləndirərkən test quruluşunu və tamamlanan tapşırıqları birlikdə nəzərə almaq lazımdır.
Digər müqayisəli testlərin nəticələri nə göstərir?
ARC-AGI-3-ün 25 açıq oyununun hamısında Argon insan baza göstəricisi ilə müqayisədə 62 faiz daha az gediş tələb etdi. Model üç oyunda sürət rekorduna çatdı və ya onu keçdi; altı oyunda isə ən yaxşı vaxtın 10 faizi həddinə yaxınlaşdı. Əvvəlki test versiyalarında ARC-AGI-2 nəticəsi 91,3 faiz, ARC-AGI-1 nəticəsi isə 98,5 faiz olaraq açıqlanmışdı. Bu testlər üçün hər tapşırığın qiymətinin müvafiq olaraq 0,32 dollar və 0,16 dollar olduğu bildirildi.
Epoch AI-nin Capabilities Index ölçümündə Argon 165 xal topladı və Fable 5.1 ilə eyni nəticə göstərdi. Opus 5.5-in xalı 167, GPT-6 Astra-nın 166, Gemini 3.8 Flash-ın isə 157 olaraq göstərildi. Ümumi indekslə yanaşı, sahələr üzrə nəticələr də fərqli mənzərə yaradır: Epoch AI-nin ilkin proqnozlarında Argon Math ECI-də səkkizinci, Software Engineering Index-də isə altıncı yerdədir.
Memarlıq və vizuallaşdırma iş axınları üçün mənası
Bu müqayisəli testlər Argon-un memarlıq modelləşdirməsini, vizual istehsalı və ya layihə proqramları ilə inteqrasiyasını ölçmür. Buna görə də ARC-AGI-3 nəticəsi memarlıq işinin daha tez tamamlanacağı və ya vizuallaşdırma keyfiyyətinin artacağı demək deyil. Ofislər və vizuallaşdırma qrupları üçün nəticələr yalnız öz tapşırıqları ilə aparılacaq sınaqlar əsasında məna kəsb edə bilər.
Xərclərlə bağlı mənbədə ARC-AGI-3 test quruluşları üçün 4.800 və 5.800 dollarlıq məbləğlər göstərilir; bunlar birbaşa məhsulun istifadə tarifləri kimi təqdim edilmir. Həmçinin başlanğıc API qiymətləri bir milyon giriş tokeni üçün 2 dollar, bir milyon çıxış tokeni üçün isə 10 dollar olaraq verilir. Mənbədə avadanlıq tələbləri, lisenziya əhatəsi və ya memarlıq proqramları ilə uyğunluq barədə məlumat yoxdur. Bu məsələlər aydınlaşmadan mövcud istehsal iş axınları ilə bağlı qərar vermək üçün yetərli məlumat yoxdur.
Mənbələr
1 mənbəMənbə mətnləri yenidən dərc edilmir; qısa sitatlar işarələnir, qalanı bizim xülasə və şərhimizdir.
Gemini 4 Argon-un provayderə məxsus testdəki nəticəsi güclü görünsə də, Standard Harness-dəki nəzərəçarpan eniş tək bir müqayisəli test xalının qərar meyarı ola bilməyəcəyini xatırladır. Türkiyədəki memarlıq ofisləri və vizuallaşdırma qrupları üçün ən faydalı yanaşma modeli dərhal istehsal prosesinə daxil etmək yox, öz tapşırıqları ilə nəzarətli sınaqlar aparıb nəticələri ölçməkdir.
Xərcləri qiymətləndirərkən test xərclərini istifadə tarifləri ilə qarışdırmamaq vacibdir. API qiymətləri göstərilsə də, real iş axınının ümumi xərci, lisenziya şərtləri, avadanlıq tələbləri və memarlıq proqramları ilə uyğunluq mənbədə açıqlanmır. Bu məlumatlar dəqiqləşənədək investisiya və ya iş axınında dəyişiklik barədə qərar ehtiyatla verilməlidir.
Tez-tez verilən suallar
Gemini 4 Argon ARC-AGI-3-də neçə xal topladı?
Provider Adapter Harness quruluşunda 97,5 faiz topladı. Standard Harness-in aşağı mühakimə səviyyəsində nəticəsi 49,8 faiz olaraq bildirildi.
Gemini 4 Argon-un API qiyməti açıqlanıb?
Mənbədə başlanğıc qiymət bir milyon giriş tokeni üçün 2 dollar, bir milyon çıxış tokeni üçün isə 10 dollar olaraq göstərilir.
Gemini 4 Argon memarlıq proqramları ilə uyğundur?
Mənbədə memarlıq proqramları ilə inteqrasiya və ya uyğunluq barədə məlumat yoxdur. Açıqlanan nəticələr ümumi müqayisəli testlərə əsaslanır.
