谷歌发布Gemini 4 Argon，尝试用单一模型覆盖机器人仿真、控制与训练数据评估
谷歌称Gemini 4 Argon可在仿真中准备机器人任务、生成训练数据并评估视频质量；在谷歌自测的ERQA基准上得 87 分，但在Artificial Analysis的AA-Robotics基准上以 55 分位列第三，落后GPT-6 Astra的 69 分和GPT-6.1 Sol的 65 分。
AI解读：谷歌推出机器人方向新模型Gemini 4 Argon，定位是覆盖机器人全流程的单一模型：既控制机器人，也构建虚拟练习环境，并给训练视频打分。
谷歌演示的Spot机器人扔易拉罐任务需要先由Argon在MuJoCo中建出垃圾桶的虚拟副本练习，再由两个额外AI代理在动作前检查脚和夹爪位置是否正确。
谷歌称一张道具桌照片可生成 77 项任务和超过 4500 条训练片段，真机测试成功率从 56% 升到 75%，执行时间从 35 秒降到 24 秒；该 75% 未说明基于多少次尝试。
在谷歌自测的ERQA空间与物理推理基准上，Argon得 87 分，Claude Opus 5.5得 82.3 分，GPT-6 Astra得 81 分，Claude Fable 5.1得 74 分。
Artificial Analysis一天后发布的AA-Robotics基准中，语言模型直接控制真实机械臂完成八项任务，Argon以 55 分列第三，落后GPT-6 Astra的 69 分和GPT-6.1 Sol的 65 分。
Argon现已在Google AI Studio和开发环境Antigravity中可用，仅限Google AI Ultra订阅者；开发者也可通过Gemini API付费层访问。
谷歌发布Gemini 4 Argon，并把它定义为可覆盖机器人全流程的单一模型：控制机器人、从照片或手绘草图构建虚拟仿真、生成训练数据，以及对训练视频做分步评估。
谷歌称该模型更擅长理解空间关系、编写控制代码，以及从物理角度解读视频，并将其称为迈向“物理AGI”的又一步。这些性能主张均来自谷歌官方，未在来源中经过独立验证。
演示中的任务依赖仿真练习和多层校验
谷歌用一个波士顿动力Spot机器人演示Argon的能力：机器人要把易拉罐扔进带踏板的垃圾桶。在接触真实踏板前，Argon先为垃圾桶构建虚拟副本，让机器人在仿真中以三条腿保持平衡练习动作，随后才尝试真机任务。
在放下易拉罐之前，两个额外AI代理会核验脚和夹爪的位置是否正确。来源称，这暴露了演示仍需要相当多人工辅助。
- Spot演示在MuJoCo仿真中练习后，才在真实硬件上执行。
- 两个额外AI代理负责在动作前检查脚和夹爪位置。
- 谷歌公开的示例提示词中包含厘米网格叠加和“抓取”“下降直到接触”等预置指令，所谓“零样本”立起倒扣杯子的任务也依赖这些辅助。
从单张照片生成仿真与训练数据
谷歌演示了一种反复出现的模式：Argon用仿真准备任务、验证任务或生成训练数据。从一张摆有派对道具的桌子照片出发，模型构建了虚拟副本，包括一顶毛绒软帽，并提出了 77 项任务，覆盖扶正倒下的物体到清理桌面，生成了超过 4500 条训练片段。
在真机测试中，谷歌称成功率从 56% 提升到 75%，执行时间从 35 秒降至 24 秒。来源指出，谷歌未说明这一 75% 成功率基于多少次总尝试。
Argon也能从其他来源构建仿真：从遥操作机器人录像构建外观相同、指尖力读数一致的仿真；从人类第一人称抓取视频把手指动作映射到五指虚拟人形机器人；从圆珠笔草图生成人形机器人用球击倒六层箱子金字塔的仿真，并计算抛掷动作使机器人不摔倒。
- 一张照片可生成 77 项任务和超过 4500 条训练片段。
- 谷歌称真机成功率从 56% 升至 75%，执行时间从 35 秒降至 24 秒。
- 来源未提供成功率对应的总尝试次数。
视频世界模型与机械臂自我修正演示
一个演示完全在AI生成的视频中进行：视频世界模型Gemini Omni按Argon写出的带时间戳指令生成手部动作片段，Argon再检查单帧并调整下一条指令，目标是排列五个字母牌拼出“ARGON”，33 步后完成。
在另一个简单机械臂演示中，Argon需要把乐高积木放入木箱并随时间改进表现。失败时提示词让Argon回看自身日志和相机图像，找出原因并应用经验证的修复后重试。第一次运行略少于 1 分钟，第二次为 23 秒但积木碰到箱子边缘，第三次约 17 秒后落在正中央。来源称三次迭代把执行时间从 58.9 秒降到 17.4 秒。
- Gemini Omni负责生成视频，Argon负责写时间戳指令并逐帧检查调整。
- 机械臂三次数次迭代时间为略低于 60 秒、23 秒、约 17 秒；前两次未正中，第三次命中中央。
两个基准给出不同结果
在谷歌自测的ERQA（具身推理问答）基准上，Argon得 87 分，谷歌称其领先所有其他前沿模型。该测试使用 400 道题且不借助外部工具，模型只能靠推理作答。来源列出的对比成绩为：Claude Opus 5.5得 82.3 分，落后约 5 个百分点；GPT-6 Astra得 81 分；Claude Fable 5.1得 74 分，落后 13 分。
Artificial Analysis在一天后发布的AA-Robotics基准给出了不同画面：语言模型直接控制真实机械臂完成八项任务，Argon以 100 分制得 55 分，位列第三，落后GPT-6 Astra的 69 分和GPT-6.1 Sol的 65 分。
- ERQA：Argon 87分，Claude Opus 5.5 82.3分，GPT-6 Astra 81分，Claude Fable 5.1 74分。
- AA-Robotics：GPT-6 Astra 69分，GPT-6.1 Sol 65分，Argon 55分列第三。
训练数据评估与研究复现
除控制机器人和构建仿真外，Argon还用于评估训练数据质量。在一段两分多钟的双臂机器人折纸狐狸视频中，模型把序列拆成子步骤，标出停顿和失误抓取，这些片段在训练中会被降低权重。在另一段人类分拣圆环的视频中，Argon追踪任务进展、停滞或倒退的位置。
谷歌还展示了一个称球谜题用例：12 个外观相同的球中有一个偏重或偏轻，Argon搭建带两个机械臂和天平秤的仿真，仅从相机图像读取天平倾斜，在三次或更少称量内找出异球。
在研究复现方面，谷歌称每个论文一条提示词，Argon可把已发表的机器人实验重建为在浏览器中运行的交互式仿真，目前已构建 68 个此类沙盒，包括机器人足球和人形机器人滑板。
- 训练视频评估会标出停顿和失误抓取，并在训练中降低这些片段的权重。
- 谷歌称已用Argon构建 68 个论文复现的浏览器交互式仿真沙盒。
- 来源指出，谷歌未在博文中分享各个演示的失败率。
可用性与既有产品线
Argon目前已在Google AI Studio和开发环境Antigravity中提供，但仅限Google AI Ultra订阅者；开发者也可通过Gemini API的付费层访问。来源称谷歌几天前才在全球发布Gemini 4 Argon。
在机器人方向，谷歌此前已推出用于空间感知和任务规划的Gemini Robotics-ER 1.6。来源还提到，虚拟环境训练并非新做法：创业公司World Labs展示过把真实场景转为虚拟训练世界，英伟达的DreamDojo则把机器人动作模拟为视频。来源认为，谷歌做法的不同之处在于试图用同一个模型处理仿真、控制与评估。
- Argon可用渠道：Google AI Studio、Antigravity、Gemini API付费层，限Google AI Ultra订阅者。
- 谷歌此前已发布Gemini Robotics-ER 1.6。
- 来源提到World Labs和英伟达DreamDojo的同方向工作。