Gemini 3.1 Pro 77,1%-ot ért el az ARC-AGI-2-n.

Gemini 3.1 Pro 77,1%-ot ért el az ARC-AGI-2-n. Ez az ellenőrzött fejlesztés hatással van a modellválasztásra, a terméktervezésre vagy a AI műveletekre. A szervezeteknek össze kell hasonlítaniuk a szolgáltatói igényt a saját munkafolyamatukban dokumentált viselkedéssel. A csapatoknak tesztelniük kell a reprezentatív feladatokat, meg kell védeniük az érzékeny adatokat, és mérniük kell a pontosságot, a késleltetést, a költségeket és az emberi felülvizsgálati igényeket a széles körű bevezetés előtt.