GoogleのGemini 4 Argon、AI難関

Google DeepmindのGemini 4 Argonは、ベンチマークスコアの信頼性がますます争われるようになった時期に登場した。このモデルのARC-AGI-3での97.5パーセントは、ベンダー固有の機能である保持推論やコンテキスト圧縮に依存するProvider Adapter Harnessを使用して達成された。標準的なテストハーネスでは、スコアは49.8パーセントに落ち込む。この差は、異なるAPI設定が結果にどう影響するかをめぐる2026年7月の論争にさかのぼる。この背景が重要なのは、ベンチマークの結果がモデルだけでなくテスト設定によってどれだけ変わりうるかを示しているからだ。

Epoch AIの追跡では、ArgonはEpoch Capabilities Indexで165ポイントに位置し、Fable 5.1と並び、Opus 5.5（167）とGPT-6 Astra（166）のすぐ後ろにつけている。これは2026年2月のGemini 3.1 Pro以来、Googleが最前線に最も近づいたことを示し、Gemini 3.8 Flash（157ポイント）を大きく上回る。しかし、伸びは不均一だ。初期推定ではArgonはMath ECIで8位、Software Engineering Indexで6位となり、知識、エージェント、視覚のベンチマークが改善する一方で、コーディングと数学は依然として弱い分野であることを示唆している。