ARC Prize 官方榜单更新确认,Gemini 4 Hydrogen 在 ARC-AGI-2 半私密评测中 XHigh 推理模式得分 92.5%,这是谷歌该模型四个推理档位里 ARC-AGI-2 的最高分,同期它在 ARC-AGI-1 上拿到 98.5%,受 API 问题影响,本次没有完成 ARC-AGI-3 测试。ARC-AGI 系列基准主打抽象推理与泛化能力,用来检验模型面对全新、没见过的规则任务时能不能快速归纳,和常规知识问答、代码基准不一样;不同推理档位的算力、成本、效果差异明显,XHigh 模式推理投入更高,对应的单价也更高,不是所有场景都适合开最高档。这份分数是平台核验后的半私密评估结果,不等于竞赛私有评测成绩,榜单上还有其他模型分数更高,看结果时要区分评测集合、推理模式、价格成本多个维度,综合判断模型推理性价比。
一、Gemini 4 Hydrogen 各档位 ARC 得分表
| 推理档位 | ARC-AGI-1 | ARC-AGI-2 | ARC-AGI-3 |
|---|---|---|---|
| XHigh | 98.5% | 92.5% | 未评估 |
| High | 98.5% | 90.0% | 未评估 |
| Medium | 95.5% | 89.2% | 未评估 |
二、ARC-AGI 评测相关概念说明
- 半私密评测(Semi-Private):任务集不对外完整放出,用于公开榜单展示,用来跟踪前沿模型进展
- 私有评测(Private):仅用于 ARC Prize 正式竞赛评奖,数据集不公开
- Pass@2 规则:每个任务允许两次提交,任意一次答对即判定通过
- ARC-AGI-3:偏向交互式智能体任务,和 ARC-AGI-1、2 的静态网格推理任务有区别
三、本次公示信息清单
- 发布主体:ARC Prize 官网核验结果
- 发布时间:2026-11-12
- 模型厂商:Google
- 定价参考:输入约 1.5 美元 / 百万 Token,输出约 7.5 美元 / 百万 Token
- 限制:仅 XHigh 跑出 92.5%,更高分模型依然存在于榜单
四、对比与落地提示
- 分数越高,抽象规则归纳能力在该评测集上表现越强,但不能直接等同于通用 AGI
- 高分档位消耗更高推理资源,成本随之上升,业务选型要权衡准确率与费用
- ARC-AGI 成绩只反映该基准能力,不能迁移到图像理解、长文本、多轮对话等全部场景
- 榜单动态更新,后续新模型、新版本提交后排名会发生变动
【相关 FAQ】
问题 1:ARC Prize 公布 Gemini 4 Hydrogen 在 ARC-AGI-2 刷出 92.5%,是不是当前第一名?
回答 1:ARC Prize 公布 Gemini 4 Hydrogen 在 ARC-AGI-2 的 92.5% 是 XHigh 档位成绩,榜单中还有其他模型拿到更高分数,它并不是该榜单第一名。
问题 2:Gemini 4 Hydrogen ARC-AGI-2 的 92.5% 分数,能用来代表通用人工智能水平吗?
回答 2:Gemini 4 Hydrogen 在 ARC-AGI-2 的 92.5% 只代表它在这套抽象推理基准上的表现,ARC-AGI 只是单一测试集,不能直接等同于通用人工智能水平。
问题 3:ARC Prize 的 ARC-AGI-2 半私密评估和竞赛评奖用的私有评测是一回事吗?
回答 3:ARC Prize 的 ARC-AGI-2 半私密评估用于公开榜单展示,私有评测才是正式竞赛评奖依据,二者任务集合不一样,分数不能直接等价。
【参考资料】
[2026-11-17](Results)ARC Prize
[2026-11-12](Gemini 4 Hydrogen - ARC-AGI Results)ARC Prize
[2026-11-10](Klu benchmark ARC-AGI snapshot)Klu
[2026-07-23](ARC-AGI)AI Wiki
【免责声明】
本文仅为基准榜单科普参考,Gemini 4 Hydrogen 的 ARC-AGI-2 分数、推理档位、评测范围、价格以及榜单排名以 ARC Prize 官网最新页面为准,基准成绩不代表模型全部实际业务效果。
本文来自作者[电域寻码师]投稿,不代表新新网立场,如若转载,请注明出处:https://www.xxcmw.com/rgzn/202611/5006.html
评论列表(4条)
我是新新网的签约作者“电域寻码师”!
希望本篇文章《ARC Prize公布Gemini 4 Hydrogen在ARC-AGI-2刷出92.5%》能对你有所帮助!
本站[新新网]内容主要涵盖:互联网行业的追踪与探索
本文概览:ARC Prize 官方榜单更新确认,Gemini 4 Hydrogen 在 ARC-AGI-2 半私密评测中 XHigh 推理模式得分 92 5%,这是谷歌该模型四个推理