Gemini 4 Argon 击穿 AGI 终极考场

时间：2026年10月17日 地点：美国加利福尼亚州山景城 / 全球 人物：Google DeepMind 团队、ARC Prize 联合创始人 Mike Knoop 事件详情：谷歌 Gemini 4 Argon 模型在号称「AGI 终极考场」的 ARC-AGI-3 基准测试中拿到 97.5% 准确率，仅次于 OpenAI GPT-6 Astra 的 99.9%，压过 OpenAI 9 月底刚交卷的 GPT-6.1 Sol（96.37%），成为全球第二家突破 95% 的 AI 实验室。ARC-AGI-3 由 ARC Prize 官方于 10 月 16 日正式公布验证结果，25 个公开游戏里 Argon 的通关行动次数比人类基线少 62%，其中 3 个游戏追平甚至超过速通纪录，另外 6 个与纪录差距不到 10%。 背景：ARC-AGI-3 并非传统选择题或填空题式基准，而是一整套交互式游戏环境，模型被扔进 64×64 彩色格子、7 个动作按钮的陌生关卡，没有说明书、没有预设指令，AI 必须自己试、自己猜规则、自己规划通关。该基准 3 月下旬上线时，所有前沿模型得分不到 1%，七个月时间被两家巨头打到接近满分。 影响：成绩单背后藏着一个反直觉的关键数字——同一套 Argon 模型同一套考题，Provider Adapter 设置下 97.5%，换成标准 harness 立刻掉到 49.8%，多花了 1000 美元成本（约 5800 美元）反而少拿近一半分；GPT-6 Astra 也出现类似波动，标准 harness 下只有 62.7%。这一差距说明衡量 AI 智能的尺子正在被快速追上，未来看榜单不能只看分数，「harness 类型」与分数本身同样重要，行业评估范式将因此转向模型+操作台的整套系统比较。 总结：Gemini 4 Argon 以 97.5% 通关 ARC-AGI-3，是七个月内从「集体交白卷」到「接近满分」的标志性突破，也让 Google DeepMind 跻身 AGI 考场顶级梯队，与 OpenAI 形成「双雄争霸」格局；harness 带来的 48 个百分点差距则提醒业界——AI 智能正进入「系统能力」而非「裸模型能力」的新竞争阶段。 参考来源： - 新浪财经报道（Gemini 4 Argon 打穿 AGI 终极考场）：https://finance.sina.com.cn/stock/t/2026-10-17/doc-inivpsqm8095970.shtml - 36 氪（Gemini 4 Argon 打穿 AGI 终极考场）：https://36kr.com/p/4032038686691973 - 腾讯云（Gemini 4 Argon 19 项跑分对比）：https://cloud.tencent.com/developer/article/2761970 - Promptsrush（Gemini 4 Argon 详解与基准数据）：https://promptsrush.com/blog/gemini-4-argon-explained - For You（Gemini 4 Argon 第三方基准分析）：https://for.you.com/posts/gemini-4-argon-benchmarks-strong-agent-not-a-clear-frontier-2de699c3 - 杰昇通信（Gemini 4 Argon 跑分与特色整理）：https://www.jyes.com.tw/en/news.php?act=view&id=15668 - ARC Prize 官方 X 公告：https://x.com/arcprize/status/2110768288523251762