Gemini 4 Argon ARC-AGI-3 점수 97.5% 기록, 그러나 표준 테스트는 다른 이야기를 전한다

Google의 Gemini 4 Argon ARC-AGI-3 점수는 ARC Prize의 provider adapter harness에서 97.5%에 도달했다. 동일한 모델은 표준 harness에서 49.8%를 기록했다. 진짜 핵심은 이 47.7%포인트의 격차다.

ARC Prize는 벤치마크 시리즈 전반에서 6개 구성을 테스트한 뒤 검증된 결과를 공개했다. Gemini 4 Argon은 높은 추론 수준에서 ARC-AGI-1 98.5%, ARC-AGI-2 91.3%도 기록했다. 이 결과로 Google DeepMind는 세 세대의 테스트 모두에서 선도 연구소 그룹에 이름을 올렸다.

그러나 ARC-AGI-3는 고정된 질문에 답하는 고립된 모델이 아니라, 상호작용하는 시스템을 측정한다. 이 harness는 행동 사이에 어떤 정보가 유지되는지, 그리고 기록을 얼마나 길게 관리하는지를 통제한다. OpenAI의 GPT-6 Astra 역시 provider adapter에서 95%를 넘겼기 때문에 가장 중요한 비교 대상이다.

이 차이는 개발자와 기업 구매자가 헤드라인을 해석하는 방식을 바꾼다. 97.5%라는 결과는 지속적이고 장기적인 추론에 대한 Google의 주장을 뒷받침한다. 하지만 Argon이 모든 인터페이스나 배포 아키텍처에서 동일한 성능을 낸다는 뜻은 아니다.

따라서 Gemini 4 Argon 벤치마크는 단순한 승리라기보다, 모델 역량이 현재 어디에 자리하는지를 보여주는 사례에 가깝다. 그 역량은 점점 모델, 메모리, 컨텍스트 관리, API 동작, 에이전트 런타임이 결합된 시스템 안에 존재한다.

Gemini 4 Argon ARC-AGI-3 결과, 두 Harness에서 크게 갈려

ARC Prize는 뛰어난 결과를 검증했지만, 동일한 시스템 경험의 서로 현저히 다른 두 버전도 함께 검증했다.

검증된 점수표는 Gemini 4 Argon이 낮은 추론 수준과 provider adapter harness에서 ARC-AGI-3 97.5%를 기록했다고 보여준다. 중간 및 높은 추론 수준은 모두 같은 구성에서 97.3%를 기록했다.

표준 harness에서는 다른 양상이 나타났다. 낮은 추론 수준은 49.8%, 중간 추론 수준은 46.3%를 기록했다. 높은 추론 수준의 실행은 완료한 작업 수가 너무 적었기 때문에 ARC Prize는 차트에 비교 가능한 수치를 공개하지 않았다.

이 결과는 두 가지 측면에서 이례적이다. 첫째, 명시된 추론 수준을 높여도 provider adapter 점수는 개선되지 않았다. 낮은 추론 수준이 다른 두 구성보다 근소하게 앞섰다.

둘째, provider adapter는 표준 점수의 거의 두 배를 기록했다. 이 정도로 큰 차이는 일반적인 평가 잡음으로 취급할 수 없다. 이는 테스트된 시스템이 기억하고 재활용할 수 있는 정보에 구조적 변화가 있음을 시사한다.

ARC Prize는 표준 harness를 제공업체 중립적 인터페이스로 정의한다. 이 방식에서는 모델이 환경 전반에 걸쳐 보존하기로 선택한 메모를 계속 활용할 수 있다.

provider adapter는 요청 사이에 불투명한 추론 상태를 유지할 수 있다. 또한 기록이 컨텍스트 한계에 가까워지면 긴 상호작용을 압축할 수 있다. 그러면 모델은 전체 추론을 보이는 메모에서 다시 만들지 않고도 이전 작업을 재활용할 수 있다.

이는 ARC-AGI-3가 단일 답변이 있는 익숙한 질문을 제시하지 않기 때문에 중요하다. 모델은 낯선 상호작용 환경에 들어가 상태를 관찰하고, 행동을 선택하며, 결과를 확인한다. 불필요한 움직임을 피하면서 규칙과 목표를 추론해야 한다.

실패한 가설도 시스템이 실패 이유를 기억한다면 여전히 유용하다. 성공한 실험도 관련 관찰이 이후 판단에 영향을 줄 만큼 오래 유지될 때만 의미가 있다.

표준 harness는 모델이 선택한 메모를 통해 이러한 연속성을 외부화하도록 요구한다. provider adapter는 더 많은 연속성을 제공업체의 시스템 내부에 유지한다. 두 구성 모두 Gemini 4 Argon을 사용하지만, 모델의 진행 중인 인지 상태를 서로 다른 정도로 노출한다.

ARC Prize는 API 문제도 표준 평가에 영향을 미쳤다고 밝혔다. 낮은 추론 수준에서는 55개의 반공개 작업 중 42개에서 실행이 완료됐다. 중간 추론 수준은 46개 작업을 완료했고, 높은 추론 수준은 19개만 완료했다.

보고된 점수는 여전히 55개 작업 전체를 반영했다. 완료되지 않은 작업은 이미 얻은 부분 점수는 유지됐지만 결과에는 불리하게 반영됐다. 따라서 49.8%는 실제로 공개된 점수이지만, 완전하지 않은 테스트 실행의 영향도 담고 있다.

이 단서는 harness 간 격차를 없애지 않는다. 중간 구성은 낮은 구성보다 더 많은 작업을 완료했지만 점수는 46.3%에 그쳤다. 반면 모든 provider adapter 구성은 97%를 웃돌았다.

올바른 헤드라인은 한 점수만 진짜이고 다른 점수는 무효라는 것이 아니다. ARC Prize는 둘 다 검증했다. 올바른 결론은 Gemini 4 Argon의 ARC-AGI-3 결과가 주변 시스템이 행동 전반에 걸쳐 추론을 어떻게 유지하느냐에 크게 좌우된다는 점이다.

ARC-AGI-3가 메모리를 테스트의 일부로 만드는 이유

ARC-AGI-3는 컨텍스트 관리를 구현 세부 사항에서 측정 가능한 역량으로 바꾼다.

ARC-AGI-1과 ARC-AGI-2는 정적인 시각 추론 작업을 사용한다. 시스템은 암묵적 변환을 보여주는 예시를 받은 뒤, 추론한 규칙을 새 그리드에 적용한다. 이 테스트들은 긴 환경 행동 시퀀스 없이 추상화와 일반화를 강조한다.

ARC-AGI-3는 이 수동적 형식을 낯선 상호작용 세계로 대체한다. 에이전트에는 자세한 매뉴얼이 제공되지 않는다. 실험하고, 피드백을 해석하고, 신념을 수정한 뒤, 궁극적으로 승리 방법을 찾아내야 한다.

공식 ARC-AGI-3 벤치마크는 불확실성 아래에서의 적응에 초점을 맞춘다. 인간은 사물, 이동, 인과관계, 목표에 관한 일상적 직관을 이런 세계로 옮겨 적용할 수 있는 경우가 많다. AI 시스템은 관찰을 통해 이에 필적하는 지식을 재구성해야 한다.

ARC Prize의 기술 설계는 이러한 탐색에 행동 예산을 부여한다. 에이전트가 무작위로 탐색하며 과도한 횟수의 움직임을 쓴다면 환경을 해결하는 것만으로는 충분하지 않다. 따라서 이 벤치마크는 진전과 행동 효율성을 모두 평가한다.

기술 보고서는 컨텍스트 관리를 핵심 과제로 설명한다. 환경 프레임은 64x64 그리드를 사용하며, 모든 관찰을 반복적으로 보존하면 가용 컨텍스트를 빠르게 소진할 수 있다.

유능한 에이전트에게는 큰 원시 컨텍스트 창만으로 충분하지 않다. 어떤 변화가 중요한지 식별하고, 행동과 효과를 연결하며, 가설을 보존하고, 관련 없는 세부 사항은 버려야 한다. 이는 브라우저, 코드베이스, 비즈니스 시스템을 다루는 에이전트가 직면하는 문제와 유사하다.

간헐적인 테스트 실패를 조사하는 코딩 에이전트를 생각해 보자. 로그를 살피고, 설정을 변경하고, 테스트를 다시 실행하고, 출력을 비교한 뒤, 이전 가설로 돌아갈 수 있다. 이러한 행동들 사이의 인과 관계를 놓치면 에이전트는 작업을 반복하거나 잘못된 설명을 받아들일 수 있다.

기업용 리서치 에이전트도 문서 전반에서 같은 문제를 마주한다. 출처를 유지하면서 확립된 사실과 잠정적 해석을 구분해야 한다. 긴 입력 처리 용량만으로 적절한 증거가 계속 영향을 미친다는 보장은 없다.

ARC-AGI-3는 이런 문제를 통제된 환경으로 압축한다. 세계 자체는 인공적이지만, 순차적 피드백에서 학습해야 한다는 필요성은 익숙하다. 이 때문에 이 벤치마크는 한 번의 응답으로 끝나는 시험보다 에이전트 행동과 더 관련성이 높다.

동시에 비교는 더 까다로워진다. 정적 벤치마크에서는 프롬프트와 생성된 답변이 테스트 시스템의 상당 부분을 정의한다. 상호작용 벤치마크에서는 오케스트레이션 결정이 수십 또는 수백 단계에 걸쳐 누적된다.

시스템은 다음 프롬프트에 무엇을 넣을지, 무엇을 지속적인 메모로 만들지, 오래된 기록을 언제 요약할지 결정해야 할 수 있다. 상태를 손상하지 않으면서 실패한 API 호출을 처리해야 할 수도 있다.

이러한 결정은 흔히 기본 모델 외부에서 내려진다. 하지만 모델이 지속적인 추론을 할 수 있는 것처럼 보이는지 여부에 직접적인 영향을 미친다.

Google은 Argon을 긴 궤적을 위해 설계했다. 모델 발표에 따르면 이 모델은 최대 100만 토큰의 출력 한도를 지원하며, 복잡한 다단계 작업을 목표로 한다. Google은 소프트웨어 엔지니어링, 연구, 방어적 사이버보안 분야의 활용 사례도 설명한다.

각 영역에서 독립적인 평가가 이뤄지기 전까지는 이는 회사의 주장에 머문다. 그럼에도 provider adapter 결과는 Argon이 보존된 추론 상태의 이점을 얻는다는 더 좁은 명제와 일치한다.

표준 harness는 다른 면을 드러낸다. 지속적인 내부 궤적을 중심으로 구축된 모델은 더 얇고 제공업체 중립적인 인터페이스를 거쳐야 할 때 상당한 우위를 잃을 수 있다.

이것이 ARC-AGI-3 harness 비교가 중요한 이유다. 이 비교는 역량이 모델 이름과 함께 이전되는지, 아니면 특정 제공 스택에 의존하는지를 묻는다.

핵심 경쟁은 제공업체 네이티브 상태와 이식 가능한 에이전트의 대결

가장 중요한 경쟁은 더 이상 Google과 OpenAI 사이의 경쟁만이 아니다. 제공업체 네이티브 연속성과 이식 가능한 오케스트레이션의 경쟁이다.

제공업체 네이티브 상태는 모델이 추론 시스템과 함께 설계된 기능에 접근하도록 한다. 유지된 추론은 일반 텍스트로 표현하기에는 비용이 크거나 불완전할 수 있는 내부 작업을 보존할 수 있다. 압축은 제공업체의 메커니즘이 선택한 정보를 유지하면서 긴 기록을 줄일 수 있다.

이 접근 방식은 애플리케이션 측 엔지니어링을 줄이면서 더 높은 성능을 제공할 수 있다. 개발자는 지원되는 인터페이스를 통해 행동을 보내고, 제공업체는 장기 추론 과정의 더 많은 부분을 관리한다.

그 대가는 의존성이다. 에이전트의 성능이 불투명한 상태에 의존한다면 개발자는 다른 제공업체를 통해 그 상태를 완전히 검사, 내보내기 또는 재현할 수 없다. 표시되는 프롬프트가 이식 가능해 보여도 워크플로는 하나의 API에 묶일 수 있다.

표준 harness는 더 이전 가능한 아키텍처를 나타낸다. 모델은 여러 차례에 걸쳐 남아 있는 메모를 작성할 수 있지만, 인터페이스는 제공업체별 내부 상태에 의존하지 않는다. 개발자는 이러한 메모를 검사하고 다른 모델에도 유사한 방식을 적용할 수 있다.

이 투명성이 동일한 성능을 보장하지는 않는다. Gemini 4 Argon의 표준 점수는 보이는 메모가 이러한 환경에서 Argon에 필요한 정보를 충분히 보존하지 못했음을 시사한다. 반복된 상호작용 중에 모델이 가설, 인과관계 또는 계획을 잃었을 수 있다.

명시적인 노트북도 잡음이 많아질 수 있다. 에이전트가 너무 많이 기록하면 이후 프롬프트가 오래된 관찰로 가득 찬다. 너무 적게 기록하면 중요한 발견이 사라진다.

제공업체의 압축은 이러한 균형을 해결할 수 있지만, 그 결정은 덜 투명하다. 높은 점수는 완전한 시스템이 평가 조건 아래에서 작동했다는 점을 사용자에게 알려준다. 하지만 압축 과정이 무엇을 유지했는지의 모든 세부 사항을 보여주지는 않는다.

ARC Prize의 테스트 정책은 두 harness가 서로 다른 질문에 답한다는 점을 인정한다. 이 기관은 이를 상호 교환 가능한 구현으로 취급하지 않고 별도로 보고한다.

표준 harness는 최소한의 제공업체 중립적 인터페이스를 통해 모델이 어떻게 동작하는지 묻는다. provider adapter는 제작자가 제공하는 컨텍스트 관리 기능과 결합했을 때 모델이 어떤 성능을 내는지 묻는다.

어느 질문도 사소하지 않다. 협상력, 감사 가능성, 대체 제공업체를 원하는 구매자에게는 이식성이 중요하다. 어려운 워크플로에서 현재 가능한 최선의 결과가 필요한 팀에는 네이티브 성능이 중요하다.

OpenAI의 GPT-6 Astra는 가장 명확한 경쟁 기준을 제공한다. ARC-AGI-3 리더보드에서 provider-adapter 구성은 여전히 Argon보다 앞선다. 표준 점수 역시 Argon의 공개된 표준 결과보다 높지만, 이 비교에서는 Argon의 불완전한 실행을 고려해야 한다.

공식 리더보드는 구성 분리의 중요성을 다시 한번 강조한다. ARC Prize는 표준 결과와 제공업체 어댑터 결과를 구분해 표시하며, 이들이 서로 다른 형태의 상태를 보존한다고 설명한다.

이 구조는 모든 프런티어 연구소에 부담을 준다. 제공업체는 이제 실행 환경을 설명하지 않은 채 에이전트 점수 하나만 공개할 수 없다. 구매자는 결과가 네이티브 상태, 외부 도구, 반복 샘플링, 비공개 메모리 또는 작업별 스캐폴딩을 사용했는지 물어야 한다.

이 압박은 독립 에이전트 플랫폼에도 미친다. 이들의 가치 제안은 대개 모델을 교체 가능하게 유지하면서 API 위에 메모리, 도구, 워크플로 제어를 추가하는 데 기반을 둔다.

제공업체 네이티브 어댑터가 계속 이 정도의 격차를 만들어 낸다면, 범용 오케스트레이션 계층은 까다로운 선택에 직면한다. 이식성을 유지하되 최고 성능 저하를 감수하거나, 실질적인 교체 가능성을 낮추는 깊은 통합을 구축해야 한다.

개발자는 이 선택이 영구적이라고 가정해서는 안 된다. 처음에는 특수 하네스 기능으로 시작한 역량도 표준 API로 옮겨갈 수 있다. 팀이 에이전트가 무엇을 보존해야 하는지 이해함에 따라 명시적 메모리 시스템도 개선될 수 있다.

현재 Gemini 4 Argon은 이 구분을 유난히 뚜렷하게 보여 준다. 한 인터페이스에서는 모델이 거의 포화 상태처럼 보이지만, 다른 인터페이스에서는 포화와는 거리가 멀다.

이 격차는 단일 순위보다 더 많은 정보를 제공한다. 모델 선택과 에이전트 아키텍처가 이제 분리할 수 없는 구매 결정이 되었다는 점을 보여 준다.

97.5% 점수가 입증하지 않는 것

검증된 벤치마크 점수는 정의된 테스트에 대한 강력한 증거이지, 자율 지능 전반에 대한 일반적 인증서는 아니다.

ARC Prize는 직접적인 과적합을 줄이기 위해 반비공개 작업에서 프런티어 점수를 검증한다. 테스트 항목은 데이터 보존 안전장치 아래 제공업체 API로 전송되며, 결과에는 작업 수준의 평가 정보가 포함된다.

이 과정은 공개 테스트에서 자가 보고한 점수보다 더 신뢰할 만하다. 연구소가 전체 평가 세트에 맞춰 직접 조정할 수 있는 여지를 제한한다.

그렇다고 검증이 주장 범위를 넓혀 주는 것은 아니다. Gemini 4 Argon은 명시된 하네스, 추론 설정, 채점 방식, 행동 예산 아래에서 97.5%를 기록했다. 표준 점수가 보여 주듯 조건이 바뀌면 결과도 달라질 수 있다.

ARC-AGI-3 환경 역시 특정한 영역에 속한다. 격자 기반의 상호작용 세계 안에서 탐색과 적응을 시험한다. 실제 비즈니스 워크플로에는 모호한 지시, 변하는 권한, 신뢰할 수 없는 웹사이트, 상충하는 문서, 잘못된 행동에 따른 결과가 추가된다.

모델은 벤치마크에서 뛰어난 성과를 내면서도 성공 기준이 불분명한 엔터프라이즈 워크플로에서는 어려움을 겪을 수 있다. 반대로 안정적인 비즈니스 프로세스에 최적화된 에이전트는 추상 환경에서 높은 점수를 받지 못해도 가치를 만들 수 있다.

완료되지 않은 표준 실행은 또 다른 불확실성을 만든다. ARC Prize는 누락된 범위를 API 문제 때문이라고 설명했지만, 공개된 결과만으로는 유사한 중단이 실제 운영에서 얼마나 자주 일어날지 구매자가 알 수 없다.

장시간 실행되는 에이전트에는 복구 동작이 필요하다. 실패한 요청을 안전하게 재시도할 수 있는지, 해당 재시도 후에도 상태가 유지되는지, 중단된 도구 작업이 외부 변경을 일으켰는지를 알아야 한다.

이러한 운영 특성은 부차적인 문제가 아니다. 올바르게 추론하더라도 네트워크 장애 뒤에 상태를 잃는 에이전트는 예측 가능한 복구 기능을 갖춘 더 약한 모델보다 덜 유용할 수 있다.

97.5% 결과는 더 높은 추론 노력이 언제나 도움이 된다는 사실도 입증하지 않는다. Argon의 낮은 설정은 중간 및 높은 제공업체 어댑터 구성보다 근소하게 높은 점수를 기록했다. 이 작은 차이는 광범위한 법칙보다는 작업 역학을 반영할 수 있지만, 더 많은 추론이 더 나은 결과와 같다는 생각에는 경고를 보낸다.

팀은 자체 지연 시간, 신뢰성, 품질 요구 사항에 맞춰 추론 설정을 시험해야 한다. 가장 비싸거나 가장 긴 궤적이 자동으로 최선의 구성인 것은 아니다.

ARC Prize의 원래 벤치마크 프레임워크 역시 일반 모델 능력과 작업별 하네스 엔지니어링을 구분한다. 기술 보고서는 알려진 공개 환경을 중심으로 설계된 하네스가 보지 못한 영역으로 전이되지 않는 성능을 부풀릴 수 있다고 경고한다.

제공업체 어댑터는 ARC 전용으로 하드코딩된 해결기로 제시되지 않는다. 일반적인 컨텍스트 관리 기능을 사용한다. 그럼에도 독자는 높은 상호작용 점수를 모델이 인간 수준의 범용 지능에 도달했다는 주장으로 바꾸어서는 안 된다.

가장 강하게 방어할 수 있는 해석은 더 좁다. Gemini 4 Argon은 Google의 어댑터 설계를 통해 추론 상태가 유지될 때 반비공개 ARC-AGI-3 작업에서 매우 뛰어난 성과를 낼 수 있다.

두 번째로 방어할 수 있는 결론은 동일한 역량이 ARC Prize의 표준 인터페이스를 통해서는 깔끔하게 전이되지 않는다는 것이다. 이것이 모델의 약점, 메모 작성 동작의 불일치, API 불안정성 또는 여러 요인을 반영하는지는 아직 해결되지 않았다.

엔터프라이즈 평가는 이 테스트의 양쪽 측면을 모두 재현해야 한다. 팀은 제공업체의 네이티브 에이전트 인터페이스를 계획과 증거를 명시적으로 저장하는 이식 가능한 구현과 비교할 수 있다.

작업 완료, 반복 작업, 실패 후 복구, 보존된 증거의 품질을 측정해야 한다. 지식 집약적 워크플로의 경우 추적 가능한 AI knowledge base가 소스 자료를 검사 가능하게 유지함으로써 모델 메모리를 보완할 수 있다.

이는 추론 상태를 대체하지 않는다. 모델의 내부 연속성이 불투명할 때 사용자가 감사할 수 있는 별도의 기록을 만든다.

따라서 47.7포인트 차이는 벤치마크를 포기할 이유가 아니라 더 나은 평가를 수행할 이유다. 단일 점수였다면 숨겨졌을 배포 변수를 드러낸다.

결과의 전이 여부를 보여 줄 세 가지 신호

다음 증거는 Argon의 어댑터 우위가 더 폭넓은 테스트, 운영 장애, 실제 배포에서도 유지되는지를 보여 주어야 한다.

첫 번째 신호는 완료된 표준 하네스 재시험이다. 보고된 API 문제가 해결된 후 ARC Prize는 55개의 반비공개 작업을 모두 다시 실행할 수 있어야 한다.

전체 실행은 49.8% 결과 중 얼마나 많은 부분이 누락된 작업 범위에서 비롯됐는지 밝혀 줄 것이다. Argon이 그 수준에 머문다면 실제 아키텍처 격차라는 주장은 더 강해진다.

표준 점수가 크게 오른다면 원래 비교는 수정이 필요하다. 이는 메모리 설계만이 아니라 서비스 신뢰성이 공개된 격차를 키웠음을 시사할 것이다.

두 번째 신호는 다른 연구소의 비교 가능한 하네스에서 나타나는 성능이다. OpenAI가 이미 주요 기준점을 제공하고 있지만, 검증된 결과가 더 늘어나면 대규모 어댑터 성능 향상이 프런티어 모델 전반에서 흔한지 보여 줄 수 있다.

Anthropic, xAI 또는 다른 제공업체가 유사한 패턴을 보인다면, 제공업체 네이티브 상태는 고급 에이전트의 일반적 기능처럼 보일 것이다. 업계는 하네스 선택을 표준 보고 항목으로 다뤄야 한다.

다른 모델이 두 하네스에서 모두 안정적으로 유지된다면 Argon의 격차는 모델 특유의 현상처럼 보일 것이다. 그러면 Google은 이식 가능한 메모 기반 연속성을 개선하거나 어댑터의 요구 사항을 더 명확히 문서화해야 한다는 압박을 받을 것이다.

세 번째 신호는 장시간 실행되는 실제 운영 워크플로의 증거다. Google은 Argon이 소프트웨어 엔지니어링, 연구, 사이버 보안에서 시험 중이라고 말한다. 이 영역들은 보존된 추론이 통제된 게임을 넘어 결과를 개선하는지 보여 줄 수 있다.

유용한 보고에는 다단계 완료율, 개입 빈도, 중단된 호출 후 복구, 사용자가 되돌려야 하는 작업의 비율이 포함될 것이다. 평균 벤치마크 점수는 이러한 운영 측정을 대체할 수 없다.

개발자는 Google이 컨텍스트 압축과 보존된 추론에 대한 제어를 더 제공하는지도 살펴봐야 한다. 사용자가 요약을 검사하고, 보존 정책을 설정하며, 영속적 상태를 내보낼 수 있는 인터페이스는 일부 이식성과 거버넌스 우려를 줄일 수 있다.

이러한 제어가 없다면 구매자는 성능을 얻는 대신 숨겨진 메모리 프로세스를 신뢰해야 한다. 이 방식은 저위험 작업에서는 수용할 수 있지만, 규제를 받거나 보안에 민감한 업무에서는 승인받기 더 어려울 수 있다.

따라서 Gemini 4 Argon ARC-AGI-3 점수는 누구의 지능 정의를 바꾸기 전에 평가 관행을 바꿔야 한다. 이제 모델 이름만으로는 테스트된 제품을 설명할 수 없다.

에이전트 시스템을 비교하는 팀은 모델 버전, 추론 수준, 하네스, 메모리 정책, 컨텍스트 압축 방식, 장애 복구 동작을 기록해야 한다. 또한 중요한 결정에 사용한 증거도 보존해야 한다.

97.5% 점수는 Google이 선호하는 상태 관리 경로를 사용할 수 있을 때 Argon이 무엇을 할 수 있는지 보여 준다. 49.8% 점수는 그 경로가 바뀔 때 얼마나 많은 성능이 사라질 수 있는지 보여 준다.

어느 결과가 더 중요한지는 구매하는 시스템에 달려 있다. 실질적인 다음 단계는 애플리케이션이 사용할 정확한 인터페이스를 시험한 뒤, 전체 워크플로 전반에서 그 메모리가 정확하고 검사 가능하며 복구 가능한지 묻는 것이다.