Google Gemini 4 Argon 逼近前沿，但 ARC-AGI-3 成绩随测试设置大幅波动

Google DeepMind 的 Gemini 4 Argon 在 ARC-AGI-3 基准上取得 97.5%，使 Google 成为继 OpenAI 之后第二家突破 95% 的实验室。但在标准测试框架下，该分数降至 49.8%；Argon 在数学和软件工程任务上也落后于竞争对手。评测设置对结果影响显著，具体原因与对比细节尚待原文说明。

AI推荐理由 具体新信息：Google DeepMind 的 Gemini 4 Argon 在 ARC-AGI-3 上得 97.5%，成为继 OpenAI 之后第二家跨过 95% 的实验室；但标准测试框架下分数降至 49.8%，且在数学与软件工程任务上落后于对手。局限：摘要未说明测试框架差异原因、对比模型版本与评测细节，分数波动大提示结论需谨慎。