Gemini4Argon在ARC-AGI-3测评中获97.5%分数，七个月从零突破至接近满分

谷歌于2024年9月30日正式推出 Gemini 4 Argon 模型，面向开发者、企业用户及 Google AI 订阅者开放。与以往侧重通用能力的 Gemini 系列不同，Argon 定位为“深度工作”模型，专攻编程、金融、法律、网络安全与科学等高复杂度现实任务。其输出 token 上限提升至100万，定价为每百万输入 token 2 美元、输出 token 10 美元（缓存输入可享95%折扣），并已在 Google 内部多个关键项目中落地应用。

值得注意的是，Argon 的技术实力在近期公开的 ARC-AGI 系列测评中得到集中验证。ARC Prize 组织推出的 ARC-AGI-3 被业界称为“AGI终极考场”，其设计迥异于传统语言模型评测：它不提供任何说明文档或预设目标，仅将模型置于一个64×64像素的彩色格子游戏环境中，配备7个未知功能的动作按钮，要求模型通过自主探索、试错与归纳，理解规则、发现目标并完成通关——这本质上是在测试模型“面对全新任务时的即兴学习与推理能力”。

2024年3月下旬 ARC-AGI-3 上线初期，包括当时最先进模型在内的所有系统得分均低于1%，几乎集体交白卷。转折点出现在9月2日：OpenAI 的 GPT-6 Astra 首次突破95%，达到99.9%；9月29日，其另一版本 GPT-6.1 Sol 得分为96.37%。而就在次日——9月30日，谷歌发布 Gemini 4 Argon。10月16日，ARC Prize 官方公布验证结果：Argon 在 ARC-AGI-3 中取得97.5%成绩，位列第二，仅次于 GPT-6 Astra，且显著高于 GPT-6.1 Sol。

更关键的是效率维度：在25个公开游戏任务中，Argon 平均通关所需行动次数比人类基线少62%；其中3个任务其表现追平甚至超越速通玩家（speedrun）纪录，另有6个任务差距不足10%。这意味着，Argon 不仅能学会从未见过的游戏机制，还能以接近顶尖人类玩家的效率完成挑战——这种“零样本泛化+高效策略搜索”能力，正是当前 AGI 探索的核心瓶颈之一。

除 ARC 表现外，Argon 在专业领域落地成果同样扎实。在 Chrome 浏览器开发中，团队利用 Argon 将约600万行历史遗留代码从 Chromium 4000万行主库中成功剥离，完成涉及数百文件的架构重构，原需数月的工作压缩至几周内完成。此举直接解决了标签页间网页状态同步问题，避免因重复加载导致的崩溃，惠及全球数十亿用户。

在开源工具链方面，Argon 协助优化了 Google 开源智能体开发工具包（ADK），在不破坏兼容性的前提下，将长会话内存准备时间降低40%，冷导入速度提升21%。针对量子化学领域广泛使用的 xTB 软件包，Argon 将分子结构预测速度提升2.3倍，构象搜索提速1.8倍，相关补丁已合并至 GitHub 主干。

此外，Argon 还实现了对 Gemma 4 E2B 模型的端到端加速：在 A100 GPU 上通过 vLLM 框架，推理吞吐量从每秒37,900 token 提升至超108,000 token，达2.85倍加速，且保证100%输出一致、无质量损失——这一过程通常需数月工程投入，Argon 仅用数日即完成。

在内部工具 Antigravity 中，Argon 已帮助工程师提升代码提交效率35%以上，同时降低代码回滚率近三分之一。其在多步任务中的稳定性与精准度，使其在 Vals 指数（衡量金融、编程、法律、税务等关键经济领域模型性能的综合指标）中排名第一。

与前代 Gemini 相比，Argon 在空间推理、数学精度与可视化编程能力上亦有显著增强。Google 员工已借助其 /goal 命令与自定义技能提示词，在浏览器中直接生成高保真3D可视化、交互式动画原型乃至简易游戏，无需额外渲染引擎介入。

Argon 的发布策略颇具深意：9月30日官方博客通篇聚焦工程实践与行业应用，未提及 ARC 成绩；直至10月中旬第三方验证结果公布，谷歌仍未主动发声。这种“低调交付、实证说话”的路径，与 OpenAI 高调宣布“AGI时代来临”形成对比，也反映出当前大模型竞争已从参数规模转向真实任务解决能力与工程落地效率。

需要指出的是，ARC-AGI 系列虽具启发性，但仍是受限环境下的能力测试。其游戏世界规则明确、状态离散、动作有限，尚不能等同于开放世界中的通用智能。然而，Argon 在该框架下实现的快速突破——从3月近乎零分到10月97.5%——确实表明，通过强化推理链构建、工具调用与自我修正机制，模型在“未知任务适应性”上的进步速度远超预期。

目前，Argon 已通过 Gemini API 向全球开发者开放，并集成至 Google Antigravity、Gemini App 及搜索 AI 模式中。随着更多企业与研究机构接入，其在专业工作流自动化、科学计算加速与复杂系统调试方面的潜力将进一步释放。在 AGI 探索的长跑中，Gemini 4 Argon 未必是终点，但它确凿地证明：通往通用智能的道路，正从“背诵数据”转向“理解世界”。