ARC Prize anunció oficialmente que Gemini 4 Argon, de Google DeepMind, obtuvo un 97,5 % verificado en ARC-AGI-3, convirtiendo a Google en el segundo laboratorio de IA después de OpenAI en superar el 95 %, solo por detrás del 99,9 % de GPT-6 Astra.
ARC-AGI-3 es conocido como el "examen definitivo de la AGI": sin manual ni instrucciones predefinidas. El modelo se lanza a un juego de cuadrícula completamente desconocido y debe descubrir las reglas, encontrar el objetivo y planificar cómo superarlo por sí mismo. Cuando la prueba se lanzó hace siete meses, todos los modelos de frontera puntuaban por debajo del 1 %.
Tres puntos destacan. Primero, capacidad real de aprender sobre la marcha: en 25 juegos públicos, Argon superó niveles con un 62 % menos de acciones que la referencia humana, igualando récords de speedrun en tres juegos. Segundo, la puntuación depende de la configuración de la prueba: con el arnés estándar uniforme, el mismo modelo obtuvo solo un 49,8 %, y casi la mitad de la diferencia proviene del arnés de prueba. Tercero, las versiones anteriores también son sólidas: 91,3 % en ARC-AGI-2 y 98,5 % en ARC-AGI-1. El Epoch Capabilities Index otorga a Argon 165 puntos, cerca de la cima, aunque las matemáticas y la ingeniería de software siguen siendo puntos débiles.
Enlace a la fuente: Leer el original. Este artículo es un resumen con fines de referencia.
