Ethan Mollick 评 Gemini 4 Argon 攻克 ARC-AGI：知名难题基准时代落幕

导读

Ethan Mollick 引用 @arcprize 数据称，Gemini 4 Argon 在 ARC-AGI (Verified) 上 ARC-AGI-3 得分 97.5%（provider adapter harness，花费 $4.8K），标准 harness 下为 49.8%；ARC-AGI-2 得分 91.3%，ARC-AGI-1 得分 98.5%，Google DeepMind 是第二个在 ARC-AGI-3 上超过 95% 的前沿实验室。作者认为智能体框架加上更强模型意味着 METR Long Tasks、GDPval、ARC-AGI-3 这些著名难题基准相继失去区分度。