Google hat mit Gemini 4 Argon ein neues Frontier-Modell vorgestellt, das im ARC-AGI-3-Benchmark beeindruckende 97,5 Prozent erreicht und sich damit als zweites Labor nach OpenAI an die KI-Spitze setzt. Allerdings zeigen sich große Unterschiede in der Benchmark-Leistung: Im Standard-Harness fällt die Quote auf nur 49,8 Prozent. Bei Mathematik und Software-Engineering bleibt Argon hinter etablierten Konkurrenzmodellen zurück. Das Ergebnis illustriert, wie sehr Benchmark-Aussagen von der Testumgebung abhängen und dass führende Performance in einzelnen Tests nicht automatisch Überlegenheit über die ganze Breite bedeutet.
