📖 AI 总结

Google DeepMind 发布的新一代前沿模型 Gemini 4 Argon，在 ARC-AGI-3 基准测试中取得 97.5% 的成绩，成为继 OpenAI 之后第二家突破 95% 门槛的实验室，仅次于 GPT-6 Astra 的 99.9%。在 25 个公开游戏中，Argon 所需操作数比人类基线少 62%，并在部分游戏中接近或达到速通纪录。然而，这一成绩高度依赖测试配置：在使用厂商特定功能（如保留推理与上下文压缩）的测试环境下表现优异，但在仅允许简单笔记的标准环境下，低推理模式下得分骤降至 49.8%。此外，Argon 在数学与软件工程任务上仍落后于竞争对手。这一结果再次引发业界对基准测试方法公平性与可比性的讨论。