Uma avaliação interna do Google DeepMind associada ao relatório de segurança do Gemini 4 Argon não detectou aceleração estrutural significativa do progresso medido da IA após abril de 2026, segundo um relato publicado pelo DiarioBitcoin em 15 de outubro. A matéria informou que a avaliação constava de um relatório publicado no dia anterior.
O número da tendência mensal subiu depois de abril. Ainda assim, o DiarioBitcoin relatou que a avaliação não considerou essa alta uma mudança estrutural significativa.
O debate sobre o desempenho prático do Gemini 4 Argon também passou por críticas e pela resposta do Google, assunto de uma reportagem anterior do NeoTeo.
A tendência mensal do GCI aumentou
O General Capability Index (GCI), ou Índice de Capacidade Geral, foi usado para descrever a tendência de desempenho de modelos públicos. Segundo o DiarioBitcoin, a análise abrangeu 123 modelos e 92 benchmarks — testes usados para avaliar sistemas em tarefas específicas.
| Período | Tendência mensal de modelos públicos |
| Antes de abril de 2026 | 0,091 ponto do GCI por mês |
| Depois de abril de 2026 | 0,118 ponto do GCI por mês |
A diferença entre as taxas é de 0,027 ponto do GCI por mês. Em relação à taxa anterior, isso equivale a aproximadamente 29,7% a mais. São cálculos a partir dos valores relatados, não um resultado estatístico adicional. A avaliação, conforme o DiarioBitcoin, não classificou a alta como aceleração estrutural significativa.
O relato também descreveu uma taxa sustentada acima de cerca de 0,1 ponto do GCI por mês, sem aumento correspondente de computação, como um possível indicador a acompanhar. Para o Gemini 4 Argon, a matéria atribuiu o resultado ligeiramente acima da tendência esperada sobretudo ao aumento de capacidade computacional e de investimento organizacional.
Código escrito com IA não é pesquisa autônoma
O DiarioBitcoin relatou que ferramentas de IA contribuíam para mais de 75% do código de produção do Google DeepMind, enquanto 88% das alterações ainda exigiam revisão humana. A parcela de alterações totalmente delegadas teria subido de 7,5% para 11,9%.
Essas medidas descrevem a participação da IA na programação e o grau de supervisão humana. Elas não são, por si só, medidas de uma IA conduzindo pesquisa que acelere o desenvolvimento de outros sistemas de IA. O relato também resumiu respostas de 12 pesquisadores seniores do Google DeepMind: a automação teria sido mais eficaz em tarefas bem definidas e verificáveis do que em ideação aberta e planejamento complexo.
O que os resultados de RE-Bench medem
No RE-Bench, um conjunto relatado de 74 tarefas de engenharia de aprendizado de máquina, o Gemini 4 Argon teria resolvido cerca de metade das tarefas; o Gemini 3.7 Flash marcou 27%. O DiarioBitcoin também descreveu uma análise separada de 1.389 execuções do Argon, na qual o sucesso foi menor em tarefas complexas sem intervenção humana.
Esses resultados tratam de tarefas de engenharia e de execuções avaliadas, não de uma medida universal da capacidade de pesquisa autônoma. Na avaliação relatada, a tendência mensal dos modelos públicos aumentou depois de abril de 2026, mas a conclusão atribuída ao Google DeepMind foi que a alta não constituía uma aceleração estrutural significativa no período medido.
