GoogleのGemini 4 Argonは、数ヶ月前のGoogleのモデルよりもAIの最前線に近い

GoogleのGemini 4 Argonは、数ヶ月前のGoogleのモデルよりもAIの最先端に近い

Google Deepmindは、ARC-AGI-3ベンチマークで95％を達成した第2の主要なAIラボです。しかし、その結果はテスト方法に大きく依存し、Epoch AIによるとArgonは数学とソフトウェア工学の面で競争相手に匹敵します。

Google Deepmindの新しいフロンティアモデル、Gemini 4 Argonは、「Provider Adapter Harness」というテスト環境を使用し、4,800ドルのコストでARC-AGI-3のテストで97.5％のスコアを獲得した。このテスト環境では、保持される推論やコンテキストの圧縮といったベンダー特有の機能が利用されている。ARC Prizeによると、GoogleはOpenAIに次いで、一般的な問題解決のための最も難しいベンチマークで95％のマークを達成した2番目のAIラボとなった。GPT-6 Astraは99.9％というより高いスコアを記録している。

Astraと同様に、Argonは25の公開ゲーム全体で人間の基準値より62％少ない行動数を必要とした。3つのゲームではスピードランの記録に匹敵、また6つのゲームでは最高タイムの10％以内に達した。ベンチマークの古いバージョンでは、ARC-AGI-2（タスクあたり$0.32）では91.3％、ARC-AGI-1（タスクあたり$0.16）では98.5％のスコアを記録した。これは、百万個の入力トークンあたり$2、百万個の出力トークンあたり$10の導入価格に基づくものである。

ベンチマーク結果はテスト環境に大きく依存する

「標準ハーネス」では、ラウンド間の単純なメモのみが許可されるため、Argonは5,800ドルで低レーティング時、49.8％に低下する。この差は2026年7月の紛争に起因し、 OpenAIのGPT-5.6 Solは、2つのAPI設定を用いてARC-AGI-3でClaude Opus 5を打ち勝った.Ad

GPT-5.6 Solは標準環境下で7.8％の性能しか達成できなかった。これは、各アクション後に内部推論を捨て、新しいClaude API機能を欠いた古いインターフェースを使用していたためである。つまり、ClaudeはGPT-5.6とは異なる条件でテストされたのだ。OpenAI自身のResponses APIを用いて「保持された推論」とスマートコンテキスト「Compaction」を含むテストでは、モデルの性能は38.3％に上がり、Opus 5の30.2％を上回った。 OpenAIは、ベンチマークが常に技術環境を測定してしまうと主張した。その後、ARC Prizeの共同創設者であるFrancois Cholletは、一般的で公開可能なAPI設定を許可した。

APIの問題により、ArgonはStandard Harnessの全55試合を完了できなかった。テスターによるとだ。低レベルでは42試合（49.8％）が、中レベルでは46試合（46.3％）が完了した。最高レベルでは19試合しか完了せず、ARC Prizeはスコアを公表しなかった。報告された結果は、中止された試合の部分得点を含めて全55試合をカバーしている。

アルゴンは差を縮めるが、数学とコーディングでは遅れる

研究機関Epoch AIもGoogleの進捗を追跡した。Argon 165点を獲得 エポック・カパネルティー・インデックス（ECI）では、Fable 5.1と並び、Opus 5.5（167）およびGPT-6 Astra（166）のすぐ後ろに位置する。ECIは、人工分析が主なスコアを構築する方法と同様に、50以上のベンチマークを一つの能力スケールにまとめている。

アルゴンはGemini 3.8 Flash（157ポイント）を大きく上回り、2月のGemini 3.1 Pro以来、Googleをトップに近づけました。Artificial Analysis and Vals.aiが以前にこのトレンドを確認していました。

しかし、パフォーマンスはドメインによって異なります。Epoch AIによると、Argonはいくつかの知識ベンチマーク、エージェントベンチマーク、ビジョンベンチマークで首位を獲得していますが、初期の推定ではMath ECIでは8位、ソフトウェア工学指数（SWE ECI）では6位に位置しているとされています。

AIニュース 大げさなものは抜き – 人間が選んだもの

広告なしの読書、毎週のAIニュースレター、年に6回の独占的「AIラダー」フロンティアレポート、完全なアーカイブへのアクセス、そしてコメントセクションへのアクセスを得るために、THE DECODERを購読してください。