同一个模型，换个框架分数翻倍：Gemini 4 Argon 在 ARC-AGI-3 拿到 97.5%
这张图表达的观点：同一个模型换个框架，分数从 49.8% 到 97.5%
为什么重要：ARC-AGI-3 测的是智能体在陌生的交互环境里现学现用，原本被看作最难饱和的基准之一。同一个模型换一套外挂框架，分数差了近一倍，说明现在测出来的是「模型加框架」，而框架设计正在成为能力的一部分。@emollick 的说法是，框架加强模型正在终结最后几个有名的难基准（METR 长任务、GDPval、ARC-AGI-3）。