Googles høje score i AI-test kostede 4.800 dollars

Google opnåede 97,5 procent i ARC-AGI-3 (spiltest for generel problemløsning) med Gemini 4 Argon ved brug af gemt tænkning. Det gør Google til nummer to over 95 procent efter OpenAI, kun overgået af GPT-6 Astra, og bringer dem tæt på toppen. Nu ligger Argon på 165 point, men er kun nummer otte i matematik og seks i software.

Googles nyeste topmodel, Gemini 4 Argon, får 97,5 procent i testen Abstraction and Reasoning Corpus for Artificial General Intelligence i version 3, kaldet ARC-AGI-3. Tænk på testen som en spilleplade med nye puslespil, hvor kunstig intelligens skal løse opgaver den aldrig har set før. Målingen brugte særlige indstillinger fra leverandøren. Det betød gemt ræsonnement, altså at modellen husker sine egne tanker fra før, og komprimering af kontekst, lidt som at pakke en kuffert meget tæt for at få mere med. Forsøget kostede 4.800 dollars. Det gør Google til det andet laboratorium efter OpenAI over 95 procent. Kun modellen med navnet Generative Pre-trained Transformer version 6, kaldet GPT-6 Astra, ligger højere med 99,9 procent. Resultatet bringer Google tættere på den absolutte top, end selskabet har været i måneder.

Forskellen på opsætning er afgørende, lidt som at lave mad i et fuldt køkken mod på et stormkøkken. I den simple standardopsætning med kun korte noter mellem runder falder Argon til 49,8 procent ved lavt ræsonnement, altså når modellen kun tænker kort, for 5.800 dollars. Tekniske problemer med forbindelsen mellem programmer, en programmeringsgrænseflade kaldet Application Programming Interface og forkortet API, betød at systemet kun gennemførte 42 af 55 spil i den opsætning. Ved højeste ræsonnement, hvor modellen tænker længst, gennemførte det kun 19 spil, og her offentliggjorde ARC Prize ingen score.

I de 25 offentlige spil brugte både Argon og Astra 62 procent færre handlinger, altså færre træk i spillet, end det menneskelige udgangspunkt. Argon tangerede rekorden for hurtigste løsning i tre spil og var inden for 10 procent af bedste tid i seks andre. På ældre versioner fik modellen 91,3 procent i ARC-AGI-2 og 98,5 procent i ARC-AGI-1. Forskningsinstituttet Epoch AI, hvor AI står for kunstig intelligens, giver Argon 165 point på sit samlede indeks, tænk på det som point i en tikamp, over mere end 50 test. Det er på niveau med Fable 5.1 og lige efter Opus 5.5 med 167 point og GPT-6 Astra med 166 point.

Billedet er ujævnt på tværs af fag, lidt som en elev der er stærk i nogle fag og svagere i andre. Ifølge Epoch AI fører Argon flere test for viden, agentopgaver, altså opgaver hvor modellen selv skal handle i flere trin, og billedforståelse, men ligger kun nummer otte i matematik og nummer seks i softwareudvikling. Springet er stort fra Gemini 3.8 Flash med 157 point, og det er det nærmeste Google har været toppen siden Gemini 3.1 Pro i februar 2026.