Коротко
- Gemini 4 Argon набрала 97,5% в ARC-AGI-3 при использовании Provider Adapter Harness.
- В Standard Harness та же модель показала 49,8% при низком уровне рассуждений.
- Argon набрала 165 баллов в Epoch Capabilities Index — столько же, сколько Fable 5.1.
- В предварительных оценках Epoch AI модель заняла восьмое место по математике и шестое — в индексе программной инженерии.
Согласно оценке, опубликованной 16 октября 2026 года, модель Gemini 4 Argon от Google DeepMind набрала 97,5% в тесте ARC-AGI-3 на решение общих задач в специальной конфигурации для провайдера. По данным ARC Prize, приведённым The Decoder, стоимость этого теста составляет 4 800 долларов. ARC Prize сообщает, что Google DeepMind стала второй лабораторией искусственного интеллекта, преодолевшей порог в 95% в ARC-AGI-3. Однако результаты, полученные в разных тестовых конфигурациях, показывают, что оценка зависит от условий измерения.
Как тестовая конфигурация повлияла на результат?
Provider Adapter Harness позволяет использовать некоторые специфические для провайдера возможности модели, в том числе защищённые функции рассуждения и сжатия контекста. В более ограниченном Standard Harness между ходами можно использовать только простые заметки. В этой конфигурации Argon набрала 49,8% при низком уровне рассуждений; стоимость теста указана как 5 800 долларов.
В испытаниях Standard Harness проблемы с API также повлияли на число игр, которые удалось завершить. При низком уровне рассуждений были завершены 42 из 55 игр, при среднем — 46. На самом высоком уровне удалось пройти только 19 игр, поэтому результат для этого условия не публиковался. В объявленные результаты также включили частичные баллы за незавершённые попытки. Поэтому при оценке результата в 97,5% важно учитывать и тестовую конфигурацию, и число выполненных заданий.
Что показывают результаты других бенчмарков?
В целом на 25 открытых играх ARC-AGI-3 Argon потребовалось на 62% меньше ходов, чем человеку на базовом уровне. В трёх играх модель установила или превзошла рекорд скорости; ещё в шести её результат оказался в пределах 10% от лучшего времени. В предыдущих версиях теста были опубликованы результаты 91,3% для ARC-AGI-2 и 98,5% для ARC-AGI-1. Стоимость одного задания в этих тестах составила, согласно источнику, 0,32 и 0,16 доллара соответственно.
В оценке Capabilities Index от Epoch AI Argon набрала 165 баллов — столько же, сколько Fable 5.1. Результат Opus 5.5 составил 167 баллов, GPT-6 Astra — 166, а Gemini 3.8 Flash — 157. Помимо общего индекса, результаты по отдельным областям показывают иную картину: в предварительных оценках Epoch AI Argon занимает восьмое место в Math ECI и шестое — в Software Engineering Index.
Что это значит для рабочих процессов в архитектуре и визуализации?
Эти бенчмарки не измеряют возможности Argon в архитектурном моделировании, создании изображений или интеграции с проектным ПО. Поэтому результат ARC-AGI-3 не означает, что архитектурную задачу удастся выполнить быстрее или повысить качество визуализации. Для архитектурных бюро и команд визуализации результаты могут иметь практическое значение только после испытаний на собственных задачах.
Что касается расходов, источник указывает стоимость тестов ARC-AGI-3 в размере 4 800 и 5 800 долларов; эти суммы не приводятся как тарифы на использование продукта. Также указаны начальные цены API: 2 доллара за миллион входных токенов и 10 долларов за миллион выходных токенов. Источник не содержит сведений о требованиях к оборудованию, условиях лицензирования или совместимости с архитектурным ПО. Пока эти вопросы не прояснены, данных недостаточно, чтобы принимать решение о внедрении в действующие рабочие процессы.
Источники
Источников: 1Тексты источников не перепечатываются; короткие цитаты отмечены, остальное — наш пересказ и комментарий.
Хотя результат Gemini 4 Argon в тесте для провайдера выглядит впечатляюще, заметное снижение показателя в Standard Harness напоминает: одного балла в бенчмарке недостаточно для принятия решения. Для архитектурных бюро и команд визуализации в Турции разумнее не спешить с внедрением модели в производство, а провести контролируемые испытания на собственных задачах и измерить результаты.
При оценке расходов важно не путать стоимость тестов с тарифами на использование. Цены API указаны, но источник не раскрывает полную стоимость реального рабочего процесса, условия лицензирования, требования к оборудованию и совместимость с архитектурным ПО. До появления этих сведений к решениям об инвестициях или изменении рабочих процессов стоит подходить осторожно.
Частые вопросы
Какой результат Gemini 4 Argon показала в ARC-AGI-3?
В конфигурации Provider Adapter Harness модель набрала 97,5%. В Standard Harness при низком уровне рассуждений её результат составил 49,8%.
Объявлены ли цены API для Gemini 4 Argon?
Источник указывает начальные цены: 2 доллара за миллион входных токенов и 10 долларов за миллион выходных токенов.
Совместима ли Gemini 4 Argon с архитектурным ПО?
Источник не содержит сведений об интеграции или совместимости с архитектурным ПО. Опубликованные результаты основаны на общих бенчмарках.
