Pangram è in grado di rilevare l'Argon del Gemini 4?

Gemini 4 Argon è l'ultimo modello di intelligenza artificiale di Google, lanciato il 13 ottobre 2026. Google sostiene che Gemini 4 Argon sia stato progettato per attività complesse e articolate in più fasi piuttosto che per la chat, e che scriva in modo diretto e ricorra meno spesso a formulazioni evasive rispetto ai suoi predecessori.

Con queste modifiche allo stile di scrittura, Pangram riesce ancora a rilevarle? Abbiamo testato le prestazioni di Pangram 4.1 su 2.341 prompt di esempio e abbiamo riscontrato che Pangram 4.1 ha classificato 16 output di Gemini 4 Argon come "umani", 7 come "misti" e 2.318 come "generati interamente dall'IA", raggiungendo un'accuratezza del 99,02% su Gemini 4 Argon.

Per generare il set di riferimento, abbiamo utilizzato 1.200 prompt di primo turno tratti dal dataset LMSYS-Chat-1M (Zheng et al., 2023). Abbiamo quindi sottoposto tali prompt a Gemini 4 Argon impostando livelli di ragionamento medio e alto, ed abbiamo elaborato l'output tramite Pangram 4.1.

Risultati per categoria

Nel complesso, Gemini 4 Argon ha registrato un tasso di falsi negativi dell'1,28% su 1.174 risposte relative al ragionamento di livello elevato e un tasso di falsi negativi dello 0,69% su 1.167 risposte relative al ragionamento di livello medio. Nel complesso, non è stata riscontrata una differenza significativa nel tasso di rilevamento tra il ragionamento di livello medio e quello di livello elevato (p=0,21).

Ragionamento di alto livello

Quando Gemini 4 Argon è stato impostato su un livello elevato di ragionamento, Pangram 4.1 ha classificato 11 risposte come umane, 4 come miste e 1.159 come interamente generate dall'IA, raggiungendo un tasso di richiamo del 98,72%.

Ragionamento di livello medio

Con un livello di ragionamento medio, il Pangram 4.1 ha classificato 5 risposte come umane, 3 come miste e 1.159 come interamente generate dall’IA, raggiungendo un tasso di richiamo del 99,31%.

Come scrive Gemini 4 Argon?

Google sostiene che Gemini 4 Argon ricorra meno alle espressioni evasive e si esprima in modo più diretto. Per verificare questa ipotesi, abbiamo esaminato una serie di 101 parole evasive tratte da Hyland (2005) e ne abbiamo confrontato la frequenza con quella riscontrata in Haiku (7,0 ogni 1.000 parole) e in GPT-6.1 Sol (7,5 ogni 1.000 parole).

Di seguito è riportato l'elenco dei termini di copertura che abbiamo utilizzato:

circa, quasi, apparente, apparentemente, sembrare, sembrava, sembra, approssimativamente, sostenere, sosteneva, sostiene, intorno a, supporre, supponeva, in linea di massima, una certa quantità, una certa misura, un certo livello, affermare, affermava, afferma, potrebbe, non poteva, dubitare, dubbio, essenzialmente, stimare, stimava, abbastanza, ritenere, ritiene, riteneva, frequentemente, dal mio punto di vista, dal nostro punto di vista, da questo punto di vista, in generale, immagino, indicare, ha indicato, indica, in generale, nella maggior parte dei casi, nella maggior parte delle occasioni, a mio parere, a mio avviso, da questo punto di vista, a nostro parere, a nostro avviso, in gran parte, probabilmente, principalmente, potrebbe, forse, potrebbe essere, per lo più, spesso, nel complesso, dovrebbe, forse, plausibile, plausibilmente, possibile, forse, postulare, ha postulato, postula, presumibile, presumibilmente, probabile, probabilmente, abbastanza, piuttosto x, relativamente, all’incirca, sembra, dovrebbe, a volte, in qualche modo, suggerire, ha suggerito, suggerisce, supporre, ha supposto, suppone, sospettare, sospetta, tendere a, tendeva a, tende a, per quanto ne so, tipico, tipicamente, incerto, incertermente, poco chiaro, poco chiaramente, improbabile, di solito, farebbe, non farebbe

Gemini 4 Argon ha utilizzato espressioni evasive il 51% in meno rispetto a Haiku e il 54% in meno rispetto a Sol, se calcolate ogni 1.000 parole. Stranamente, anche se i modelli in generale tendono a utilizzare parole di attenuazione molto più frequentemente rispetto agli esseri umani, questo elenco di parole è stato riconosciuto come interamente umano da Pangram 4.1. Per divertimento, ho anche chiesto a ChatGPT di riorganizzare questo elenco nell’ordine che preferiva, e anche quell’elenco è stato riconosciuto come interamente umano.

Gemini 4 Argon ha fornito le risposte più lunghe tra questi tre modelli, con una mediana di 447 parole (ragionamento medio: 418 parole; ragionamento elevato: 447 parole), rispetto alle 371 di Haiku e alle 313 di Sol. Gemini ha inoltre rifiutato di rispondere a 31 prompt su un totale di 2.400 richieste, oltre a 3 richieste bloccate dal filtro di Google, rispetto ai 35 rifiuti di Haiku e ai 23 di Sol.

Test prestazionali precedenti

Pangram è resistente a Gemini 4 Argon sui prompt in linguaggio naturale e lo rileva con un'accuratezza osservata del 98,72% nel ragionamento di alto livello. Rileva Gemini 4 Argon nel ragionamento di medio livello con un'accuratezza osservata del 99,31%, per un totale combinato di 2.318 su 2.341 (99,02%) in entrambe le impostazioni. Pangram è in grado di generalizzare a nuovi modelli poiché le nuove versioni tendono a ereditare gran parte dello stile e della voce dei modelli precedenti; pertanto, Pangram non necessita di essere riaddestrato per ogni nuova versione.

Ecco come si posiziona il Gemini 4 Argon rispetto ai nostri benchmark relativi ad altri modelli all’avanguardia di recente introduzione:

Se vuoi verificare un documento specifico, puoi provare Pangram qui.