谷歌Gemini 4 Argon在ARC-AGI-3拿下97.5%：七个月从“交白卷”冲到近满分

近日，ARC Prize官方正式公布了谷歌新一代大模型Gemini 4 Argon在备受瞩目的“AGI终极考场”ARC-AGI-3上的测试成绩——97.5%。这一结果让谷歌成为继OpenAI之后，第二家在ARC-AGI-3上突破95%大关的AI实验室，瞬间引发业内外广泛关注与讨论。

什么是ARC-AGI-3

与传统的选择题、填空题式基准测试不同，ARC-AGI-3是一套交互式游戏环境：模型被投放进一个完全陌生的小游戏中，面对64×64的彩色格子与7个动作按钮，既没有说明书，也没有预设指令，甚至没人告诉它本关的目标是什么。模型必须通过不断的尝试、试错与推理，自行猜测规则、发现目标并规划通关路径。

这套测试考察的，正是模型面对从没见过的事物“现学现会”的能力。对人类而言这几乎是本能，但对依赖海量训练数据的AI来说，却是最容易暴露短板的地方。

三代考题一口气通杀

Gemini 4 Argon在此次测试中的表现堪称全面。

• ARC-AGI-1：98.5%，单题成本约0.16美元
• ARC-AGI-2：91.3%，单题成本约0.32美元
• ARC-AGI-3：97.5%，整套跑完累计花费约4800美元

在公开的25个游戏关卡中，Argon通关所需的行动次数比人类基线少了62%，其中3个关卡追平甚至超越了速通玩家刷出的极限纪录，另外6个关卡与纪录的差距也控制在10%以内。ARC Prize联合创始人Mike Knoop评价称，Argon是第二个通过Provider Adapter机制在ARC-AGI-3上实现“有效最大化”的模型家族。

惊人成绩背后的“那一行小字”

值得注意的是，ARC Prize同时在成绩单中并排写下了两个数字：同一套考题，Provider Adapter设置下得分97.5%（花费4800美元），而Standard harness设置下得分仅49.8%（花费5800美元）。两者相差近48个百分点。

这其中的关键，被称作harness（测试操作台）。Provider Adapter是厂商依据自家接口量身定制、可完整保留模型内部推理状态并做上下文压缩的接入方式；而Standard harness则是考官统一发放、仅允许传递简单笔记的标准方案。换句话说，成绩很大程度上取决于模型被赋予了何种“脚手架”，这已成为解读前沿模型基准分数时无法回避的话题。

谷歌重回AI前沿竞赛

谷歌9月30日发布Gemini 4 Argon时，主打的是复杂工作流、编码与网络安全能力，输出Token上限高达100万，却并未提及ARC-AGI成绩。如今这份高分成绩单出炉，无疑宣告谷歌已重新回到AI前沿竞赛的核心牌桌。虽然Argon在数学与软件工程等细分榜单上仍相对落后，但在衡量通用问题求解与“现学现会”能力的关键指标上，谷歌完成了令人瞩目的反超。

小结：从七个月前所有模型在ARC-AGI-3上集体“交白卷”，到如今Argon以97.5%的成绩近乎满分通关，这场攻防战的节奏之快令人咋舌。它既展示了前沿模型的进步速度，也提醒业界：分数的背后，测试环境与“脚手架”同样至关重要。未来谁能在真正的通用人工智能上领先，仍是2026年最富悬念的看点。

本文内容基于公开网络资讯整理