Kısaca
- Gemini 4 Argon, Provider Adapter Harness ile ARC-AGI-3’te yüzde 97,5 puan aldı.
- Aynı model, Standard Harness’in düşük akıl yürütme düzeyinde yüzde 49,8’e ulaştı.
- Argon, Epoch Capabilities Index’te 165 puan alarak Fable 5.1 ile aynı puanı paylaştı.
- Epoch AI’nin erken tahminlerinde model matematikte sekizinci, yazılım mühendisliği endeksinde altıncı sırada yer 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 yüzde 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 yüzde 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 yüzde 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 yüzde 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 yüzde 62 daha az hamle gerektirdi. Model üç oyunda hız rekorunu yakaladı veya geçti; altı oyunda ise en iyi sürenin yüzde 10 yakınına ulaştı. Önceki test sürümlerinde ARC-AGI-2 puanı yüzde 91,3, ARC-AGI-1 puanı yüzde 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.
Sık sorulan sorular
Gemini 4 Argon ARC-AGI-3’te kaç puan aldı?
Provider Adapter Harness düzeninde yüzde 97,5 puan aldı. Standard Harness’in düşük akıl yürütme seviyesinde puanı yüzde 49,8 olarak bildirildi.
Gemini 4 Argon’un API fiyatı açıklandı mı?
Kaynakta başlangıç fiyatı milyon girdi tokenı başına 2 dolar, milyon çıktı tokenı başına 10 dolar olarak aktarılıyor.
Gemini 4 Argon mimarlık yazılımlarıyla uyumlu mu?
Kaynakta mimarlık yazılımlarıyla entegrasyon veya uyumluluk bilgisi yer almıyor. Açıklanan sonuçlar genel kıyaslama testlerine dayanıyor.
Kaynaklar
1 kaynakKaynak metinler yeniden yayımlanmaz; kısa alıntılar tırnak içinde verilir, geri kalanı özgün özet ve yorumdur.
Gemini 4 Argon’un sağlayıcıya özel testteki puanı güçlü görünse de Standard Harness’teki belirgin düşüş, tek bir kıyaslama skorunun karar ölçütü olamayacağını hatırlatıyor. Türkiye’deki mimarlık ofisleri ve görselleştirme ekipleri için en yararlı yaklaşım, modeli hemen üretim hattına almak değil; kendi görevleriyle kontrollü denemeler yapıp sonuçları ölçmek olur.
Maliyet değerlendirmesinde test giderlerini kullanım tarifesiyle karıştırmamak önemli. API fiyatları verilmiş olsa da gerçek iş akışının toplam maliyeti, lisans koşulları, donanım gereksinimleri ve mimari yazılımlarla uyumluluk kaynakta açıklanmıyor. Bu bilgiler netleşene kadar yatırım veya iş akışı değişikliği kararı temkinli verilmeli.
Yorumlar 0