Google Gemini 4 Argon, aylar içinde Google'un en ileri modeli konumuna geldi

Google DeepMind, Gemini 4 Argon adlı yeni modelini ARC-AGI-3 benchmark'ında %97.5 başarı oranı ile duyurdu. Bu skor, Provider Adapter Harness adı verilen, satıcıya özgü retained reasoning ve context compaction gibi özellikleri kullanan bir test ortamında elde edildi ve modelin $4,800 maliyetle çalıştırıldığını gösteriyor. ARC Prize verilerine göre, Google bu sonuçla OpenAI'dan sonra %95 eşiğini geçen ikinci AI laboratuvarı konumuna yükseldi; tek rakibi GPT-6 Astra ise %99.9 puanla liderliği elinde tutuyor.

Modelin önceki sürümlerine kıyasla performans farkı, test ortamına bağlı olarak büyük değişiklikler gösteriyor. Standard Harness (sadece basit notlar izin veren) ortamında Argon'un skoru %49.8'e düşerken, aynı ortamda OpenAI'nin GPT-5.6 Sol modeli sadece %7.8 puan almıştı. Bu durum, benchmarkların teknik ortamdan ne kadar etkilendiğini ve sonuçların karşılaştırılabilirliğinin sınırlarını ortaya koyuyor. Ayrıca, Argon'un düşük, orta ve yüksek akıl yürütme seviyelerinde tamamladığı oyun sayısı da farklılık gösterdi; en yüksek seviyede sadece 19 oyun tamamlanabildi.

ARC-AGI-2 ve ARC-AGI-1 testlerinde Argon sırasıyla %91.3 ve %98.5 puan alarak maliyet etkinliğini gösterdi ($0.32 ve $0.16 per task). Epoch AI tarafından derlenen Epoch Capabilities Index (ECI) de Argon'a 165 puan vererek Fable 5.1 ile eşitlemiş, Opus 5.5 (167) ve GPT-6 Astra (166) arkasında kalmıştır. Bu puan, modelin genel yetenek skalasında son birkaç ay içinde en yüksek seviyeye ulaştığını işaret ediyor.

Performans analizi, Argon'un bilgi, ajan ve görsel benchmark'larda öne çıktığını, ancak matematik ve yazılım mühendisliği alanlarında hâlâ sekizinci ve altıncı sırada olduğunu gösteriyor. Bu sonuçlar, Google'ın Gemini serisinin hızla geliştiğini ve AI sınırını zorlamaya devam ettiğini, fakat belirli uzmanlık alanlarında hâlâ rekabetin yoğun olduğunu ortaya koyuyor.