Google Deepmind, Gemini 4 Argon'u piyasaya sürdü ve ARC-AGI-3 ölçütünde %95'i geçen ikinci büyük yapay zeka laboratuvarı olarak %97,5 puan elde etti; maliyeti 4.800 dolar. Model, sağlayıcı adaptör harness'ini kullanarak, tutulan akıl yürütme ve bağlam sıkıştırma gibi satıcıya özgü özelliklerden yararlanan bir test düzeniyle bu kilometre taşını başardı. Şu anda ölçütte daha yüksek puan alan tek sistem OpenAI'nin GPT-6 Astra'sı; %99,9'a ulaşıyor.
Gemini 4 Argon'un performansı büyük ölçüde kullanılan test metodolojisine bağlıdır. Sistemlerin turlar arasında sadece basit notlarla sınırlı olduğu Standard Harness içinde değerlendirildiğinde, Argon'un puanı düşük akıl yürütme seviyelerinde %49,8'e kadar önemli ölçüde düştü ve API sorunları modelin o standart ortamda 55 oyunun tamamını tamamlamasını engelledi. Bu ortam bağımlı farklılıklara rağmen, Epoch AI araştırma enstitüsü Argon'u Epoch Yetenek Endeksi'nde 165 puan olarak kaydetti; bu, Fable 5.1 ile eşitlenerek Google'ı aylardır görülmeyen bir AI sınırına yaklaştırdı, ancak model hâlâ matematik ve yazılım mühendisliği alanlarında rakiplerinin gerisinde kalıyor.
Bu kilometre taşı önemlidir çünkü Google'ın karmaşık problem çözme ölçütlerinde önde gelen sınır modelleriyle arasındaki farkı daralttığını gösterirken, test ortamları ve API yapılandırmalarının AI değerlendirmesindeki giderek kritik etkisini de vurgular.