ARC Prize официально объявила, что Gemini 4 Argon от Google DeepMind получил подтверждённый результат 97,5% в ARC-AGI-3, благодаря чему Google стала второй лабораторией ИИ после OpenAI, преодолевшей отметку 95%, — уступая только GPT-6 Astra с 99,9%.
ARC-AGI-3 называют «главным экзаменом AGI»: без инструкции и без заранее заданных указаний. Модель помещают в совершенно незнакомую сеточную игру, и она должна сама разобраться в правилах, найти цель и спланировать прохождение уровня. Семь месяцев назад, на запуске теста, все передовые модели набирали менее 1%.
Выделяются три момента. Во-первых, настоящая способность учиться на ходу: в 25 публичных играх Argon проходил уровни, совершая на 62% меньше действий, чем человеческий базовый уровень, и повторил рекорды спидрана в трёх играх. Во-вторых, результат зависит от условий тестирования — на едином стандартном стенде та же модель набрала лишь 49,8%, причём почти половина разрыва связана с тестовым стендом. В-третьих, сильны и старые версии теста: 91,3% на ARC-AGI-2 и 98,5% на ARC-AGI-1. Индекс Epoch Capabilities даёт Argon 165 баллов — близко к вершине, хотя математика и программная инженерия остаются слабыми местами.
Ссылка на источник: Читать оригинал. Эта статья — краткий обзор, приводится для справки.
