ARC Prize ने आधिकारिक तौर पर घोषणा की है कि Google DeepMind के Gemini 4 Argon ने ARC-AGI-3 पर 97.5% का सत्यापित स्कोर हासिल किया है, जिससे Google, OpenAI के बाद 95% का आंकड़ा पार करने वाली दूसरी AI प्रयोगशाला बन गई है — केवल GPT-6 Astra के 99.9% से पीछे।
ARC-AGI-3 को "AGI की अंतिम परीक्षा" कहा जाता है: न कोई मैनुअल, न कोई पूर्वनिर्धारित निर्देश। मॉडल को पूरी तरह अनजान ग्रिड गेम में डाल दिया जाता है और उसे खुद ही नियम समझने, लक्ष्य खोजने और स्तर पार करने की योजना बनानी होती है। सात महीने पहले जब यह बेंचमार्क शुरू हुआ था, तब सभी फ्रंटियर मॉडल 1% से नीचे थे।
तीन बातें खास हैं। पहला, मौके पर सीखने की असली क्षमता: 25 सार्वजनिक खेलों में Argon ने मानव आधाररेखा से 62% कम क्रियाओं में स्तर पूरे किए और तीन खेलों में स्पीडरन रिकॉर्ड की बराबरी की। दूसरा, स्कोर परीक्षण की व्यवस्था पर निर्भर करता है — एकसमान मानक हार्नेस पर वही मॉडल केवल 49.8% पर रहा, और लगभग आधा अंतर टेस्ट हार्नेस से आया। तीसरा, पुराने संस्करण भी मजबूत हैं: ARC-AGI-2 पर 91.3% और ARC-AGI-1 पर 98.5%। Epoch Capabilities Index Argon को 165 अंक देता है, जो शीर्ष के करीब है, हालांकि गणित और सॉफ्टवेयर इंजीनियरिंग अभी भी कमजोर पक्ष हैं।
स्रोत लिंक: मूल पढ़ें। यह लेख केवल संदर्भ के लिए एक सारांश है।
