← AI 動態
The Decoder
Google 發表 Gemini 4 Argon：跑分破95%緊追 OpenAI
Google 最新模型 Gemini 4 Argon 在 ARC-AGI-3 測試獲 97.5% 高分，成為繼 OpenAI 後第二家突破 95% 的實驗室。但其成績極依賴特定測試環境，數學與程式能力仍落後對手。
Google DeepMind 推出最新旗艦模型 Gemini 4 Argon，在具備高度挑戰性的 ARC-AGI-3 基準測試中達到了 97.5% 的驚人成績。這使得 Google 成為繼 OpenAI 之後，第二家在該推理測試中突破 95% 大關的頂尖 AI 實驗室。這項測試主要衡量 AI 解決前所未見問題的推理能力，代表 Argon 在邏輯與問題解決適應性上取得了重大突破。
然而，這項優異成績背後存在值得注意的限制。根據評估，Argon 的高分極度依賴其專屬的測試環境與技術（如保留推理與上下文壓縮）。如果改用標準的測試基準，其分數會大幅下跌至 49.8%。此外，雖然在通用邏輯推理上表現亮眼，Argon 在複雜的數學計算與軟體工程（程式編寫）領域，目前仍落後於市場上的其他競爭對手。
對一般人與企業而言，這代表大型語言模型的「推理能力」正快速進化，我們將有更多聰明的 AI 助手可選擇。但這也提醒我們打破「跑分迷思」，在評估 AI 模型時不能只看單一測試極限，必須考量實際應用場景（如是否需要大量寫程式或精確計算）的真實表現，才能挑選出最適合的工具。