En resumen
- Gemini 4 Argon obtuvo un 97,5 % en ARC-AGI-3 con Provider Adapter Harness.
- El mismo modelo alcanzó un 49,8 % con bajo nivel de razonamiento en Standard Harness.
- Argon obtuvo 165 puntos en Epoch Capabilities Index, la misma puntuación que Fable 5.1.
- En las primeras estimaciones de Epoch AI, el modelo ocupó el octavo puesto en matemáticas y el sexto en el índice de ingeniería de software.
Según la evaluación publicada el 16 de octubre de 2026, el modelo Gemini 4 Argon de Google DeepMind obtuvo un 97,5 % en la prueba general de resolución de problemas ARC-AGI-3, con una configuración específica del proveedor. Los datos de ARC Prize citados por The Decoder indican que esta prueba costó 4.800 dólares. Según ARC Prize, Google DeepMind se convirtió en el segundo laboratorio de inteligencia artificial que superó el umbral del 95 % en ARC-AGI-3. Sin embargo, las puntuaciones obtenidas con distintas configuraciones de prueba muestran que el resultado depende de las condiciones de evaluación utilizadas.
¿Cómo cambió el resultado según la configuración de prueba?
Provider Adapter Harness aprovecha algunas características específicas del proveedor del modelo, como las capacidades de razonamiento protegido y de compresión del contexto. En Standard Harness, una prueba más limitada, solo se pueden usar notas simples entre turnos. En esta configuración, Argon obtuvo un 49,8 % con bajo nivel de razonamiento; el coste de la prueba se reportó en 5.800 dólares.
En las pruebas de Standard Harness, los problemas con la API también afectaron al número de juegos que pudieron completarse. Con bajo nivel de razonamiento se completaron 42 de 55 juegos, y con nivel medio, 46. En el nivel más alto solo se pudieron terminar 19 juegos, por lo que no se publicó una puntuación para esa condición. Los resultados comunicados también incluyeron puntuaciones parciales de los intentos que quedaron sin terminar. Por eso, para evaluar el resultado del 97,5 %, es necesario tener en cuenta tanto la configuración de la prueba como las tareas completadas.
¿Qué muestran los resultados de otras pruebas de referencia?
En el conjunto de los 25 juegos abiertos de ARC-AGI-3, Argon necesitó un 62 % menos de movimientos que la referencia humana. El modelo igualó o superó el récord de velocidad en tres juegos y se acercó a menos del 10 % del mejor tiempo en seis. En versiones anteriores de la prueba, obtuvo un 91,3 % en ARC-AGI-2 y un 98,5 % en ARC-AGI-1. Los costes por tarea de estas pruebas se reportaron en 0,32 dólares y 0,16 dólares, respectivamente.
En la medición Capabilities Index de Epoch AI, Argon obtuvo 165 puntos, la misma puntuación que Fable 5.1. Opus 5.5 obtuvo 167 puntos, GPT-6 Astra, 166, y Gemini 3.8 Flash, 157. Además del índice general, los resultados por área muestran otro panorama: en las primeras estimaciones de Epoch AI, Argon ocupa el octavo puesto en Math ECI y el sexto en Software Engineering Index.
Qué significa para los flujos de trabajo de arquitectura y visualización
Estas pruebas de referencia no miden la capacidad de Argon para modelar arquitectura, generar imágenes o integrarse con software de proyectos. Por tanto, la puntuación de ARC-AGI-3 no significa que una tarea de arquitectura vaya a completarse más rápido ni que mejore la calidad de la visualización. Para los estudios y equipos de visualización, estos resultados solo serán relevantes si se prueban con tareas propias.
En cuanto a los costes, la fuente informa de gastos de 4.800 y 5.800 dólares para las configuraciones de prueba de ARC-AGI-3; no los presenta como tarifas directas de uso del producto. También indica precios iniciales de 2 dólares por millón de tokens de entrada y 10 dólares por millón de tokens de salida. La fuente no ofrece información sobre requisitos de hardware, alcance de las licencias ni compatibilidad con software de arquitectura. Mientras no se aclaren estos puntos, no hay datos suficientes para decidir si conviene incorporar Argon a los flujos de producción actuales.
Fuentes
1 fuenteNo republicamos los textos de las fuentes; las citas breves van marcadas y el resto es resumen y comentario propios.
Aunque la puntuación de Gemini 4 Argon en la prueba específica del proveedor parece sólida, la marcada caída en Standard Harness recuerda que una sola puntuación de referencia no puede ser el único criterio para tomar una decisión. Para los estudios de arquitectura y los equipos de visualización de Turquía, lo más útil sería no incorporar el modelo de inmediato a la producción, sino realizar pruebas controladas con tareas propias y medir los resultados.
Al evaluar los costes, es importante no confundir los gastos de las pruebas con las tarifas de uso. Aunque se indican los precios de la API, la fuente no aclara el coste total del flujo de trabajo real, las condiciones de licencia, los requisitos de hardware ni la compatibilidad con software de arquitectura. Hasta que se conozcan estos datos, conviene decidir con cautela cualquier inversión o cambio en los flujos de trabajo.
Preguntas frecuentes
¿Qué puntuación obtuvo Gemini 4 Argon en ARC-AGI-3?
Obtuvo un 97,5 % con Provider Adapter Harness. En Standard Harness, la puntuación con bajo nivel de razonamiento fue del 49,8 %.
¿Se anunciaron los precios de la API de Gemini 4 Argon?
La fuente indica precios iniciales de 2 dólares por millón de tokens de entrada y 10 dólares por millón de tokens de salida.
¿Gemini 4 Argon es compatible con software de arquitectura?
La fuente no incluye información sobre su integración o compatibilidad con software de arquitectura. Los resultados publicados corresponden a pruebas de referencia generales.
