نموذج جيميني 4 أرجون التابع لجوجل أقرب إلى حدود الذكاء الاصطناعي من أي نموذج جوجل خلال الأشهر القليلة الماضية

نموذج جيميني 4 أرجون التابع لجوجل أقرب إلى حدود الذكاء الاصطناعي من أي نموذج آخر لجوجل في الأشهر القليلة الماضية

جوجل ديبميند هي المختبر الذكي الثاني الكبير الذي حقق نسبة 95 بالمئة في اختبار ARC-AGI-3. لكن النتائج تعتمد بشكل كبير على طريقة الاختبار، ووفقًا لموقع Epoch AI، فإن Argon يتفوق على منافسيه في الرياضيات وتقنيات البرمجيات.

نموذج جيميني 4 أرجون الجديد من جوجل ديبامايد، حصل على نسبة 97.5% في اختبار ARC-AGI-3، بتكلفة 4,800 دولار، باستخدام “مصباح تعديل المزود”، وهو إعداد اختبار يستخدم ميزات محددة من المورد مثل التفكير المحفوظ وتقليل السياق. وفقًا لجائزة ARC، أصبحت جوجل الآن المختبر الذكي الثاني بعد OpenAI الذي تجاوز نسبة 95% في ما يُعتبر الاختبار الأصعب للحلول البيضاء العامة. فقط GPT-6 أسترا حصل على نسبة أعلى، وهي 99.9%.

مثل أسترا، احتاج أرجون إلى 62 بالمائة أقل من الأفعال مقارنةً بالأساس البشري في الـ 25 لعبة عامة. وقد تحقق أرجون من مطابقة أو تفوق رقم القياس السريع في ثلاث لعبات، وكان على بُعد 10 بالمائة من أفضل وقت في ست لعبات أخرى. على الإصدارات القديمة من الاختبار، حصل أرجون على 91.3 بالمائة في ARC-AGI-2 (بـ 0.32 دولار لكل مهمة) و98.5 بالمائة في ARC-AGI-1 (بـ 0.16 دولار لكل مهمة)، استنادًا إلى السعر الافتتاحي البالغ 2 دولار لكل مليون توكين للإدخال و10 دولارات لكل مليون توكين للإخراج.

تعتمد نتائج المقارنة بشكل كبير على إعداد الاختبار

في "الحزام القياسي"، الذي يسمح فقط بملاحظات بسيطة بين الجولات، ينخفض أرجون إلى 49.8% عند التفكير المنخفض مقابل 5800 دولار. يعود هذا الفارق إلى نزاع في يوليو 2026 عندما حققت OpenAI من نسخة GPT-5.6 Sol فوزًا على Claude Opus 5 في ARC-AGI-3 باستخدام إعدادين API.

حقق GPT-5.6 Sol فقط 7.8 بالمئة في البيئة القياسية، حيث تخلّى عن التفكير الداخلي بعد كل إجراء واستخدم واجهة قديمة تفتقر إلى ميزات API Claude الحديثة. وهذا يعني أن Claude تم اختباره تحت ظروف مختلفة عن GPT-5.6. عند الاختبار باستخدام API Responses الخاص بشركة OpenAI، مع خاصية "التفكير المحفوظ" و"السياق الذكي"، ارتفع المستوى إلى 38.3 بالمئة وتجاوز Opus 5 بنسبة 30.2 بالمئة. قالت شركة OpenAI إن المعايير تُقيس دائمًا البيئة التقنية أيضًا. ثم سمح مؤسس جائزة ARC فرانسوا شوليه بتعيينات API عامة ومتاحة للجمهور.

منعت مشاكل API أرجون أيضًا من إكمال جميع المباريات الـ 55 في Standard Harness، وفقًا للاختباريين. بطريقة سهلة، أكمل النظام 42 مباراة (49.8%)، و46 مباراة (46.3%) على المستوى المتوسط. أما على أعلى مستوى، فقد أكمل 19 مباراة فقط، لذلك لم ينشر ARC Prize نتيجة. تغطي النتائج المبلغ عنها جميع المباريات الـ 55، بما في ذلك النقاط الجزئية للجولات التي تم إلغاؤها.

أغلق الأرجون الفجوة لكنه متخلف في الرياضيات والتدوين الكودي

معهد البحث Epoch AI تابع أيضًا تقدم جوجل. حصل Argon على 165 نقطة في مؤشر قدرات Epoch (ECI)، مما يجعله يلتقي بـ Fable 5.1، ويأتي بعد Opus 5.5 (167) وGPT-6 Astra (166). يجمع مؤشر ECI أكثر من 50 معيارًا لإعدادات الأداء في مقياس واحد، تمامًا كما يقوم التحليل الاصطناعي ببناء نقاطه الرئيسية.

يتجاوز الأرجون بشكل كبير جيميني 3.8 فلاش (157 نقطة)، ويقرب جوجل من القمة أكثر من أي وقت مضى منذ جيميني 3.1 برو في فبراير. أكدت التحليل الاصطناعي وVals.ai هذا الاتجاه قبل ذلك.

ومع ذلك، تختلف الأداء حسب المجال. ووفقًا لـ Epoch AI، فإن Argon يتصدر عدة اختبارات للمعرفة والوكلاء والرؤية، لكن التقديرات المبكرة تضعها في المرتبة الثامنة في مؤشر ECI للرياضيات والمرتبة السادسة في مؤشر هندسة البرمجيات (SWE ECI).

أخبار الذكاء الاصطناعي بدون الضجيج – من اختيار البشر

اشترك في THE DECODER للقراءة بدون إعلانات، إلى نشرة AI أسبوعية، تقرير "AI Radar" الحصري الذي يصدر ست مرات في السنة، الوصول الكامل للأرشيف، والوصول إلى قسم التعليقات.