谷歌推出 Gemini 4 Argon，剑指机器人全流程单一 AI 模型

谷歌 DeepMind 推出 Gemini 4 Argon，将其定位为机器人开发全流程的单一 AI 模型。该模型的核心能力涵盖三个层面：直接控制机器人执行物理任务、从多种输入源生成交互式 3D 仿真训练环境，以及对训练视频数据进行质量评估与标注。谷歌将 Argon 视为通往「物理 AGI」目标的关键节点，这一目标是其与 DeepMind 多年来持续追求的方向。

在仿真生成能力上，Argon 展现出从多种输入源构建训练环境的灵活性。从一张摆放派对道具的桌面照片出发，模型构建了包含毛绒帽子等软体物件的虚拟复制场景，自动生成 77 项任务和超过 4500 个训练回合。经过仿真训练后，真实机器人的任务成功率从 56% 提升至 75%，执行时间从 35 秒缩短至 24 秒。即便是一张圆珠笔手绘草图，Argon 也能将其转化为可计算投掷轨迹的物理仿真场景。

Argon 还承担了 AI 视频世界模型的「导演」角色。在一项演示中，它向视频生成模型 Gemini Omni 发出带时间戳的动作指令，逐帧检查生成结果并调整下一步操作，最终经过 33 步将五枚散落的字母拼图排列成「ARGON」。在另一项机械臂演示中，Argon 通过自我审查日志和摄像头图像来定位失败原因，三次迭代后将执行时间从 58.9 秒压缩至 17.4 秒，并在最后一次精准落点。

在训练数据评估方面，Argon 能够对机器人操作视频进行细粒度分析。面对一段双臂机器人折叠折纸狐狸的两分钟视频，模型将操作序列拆解为子步骤，标记出停顿和抓取失误的片段，使这些低质量片段在训练中获得更低权重。谷歌还展示了一个经典称球谜题的应用案例：Argon 构建了配备天平的双臂机器人仿真环境，仅凭摄像头图像读取天平倾斜角度，在三次称量内找出重量异常的球。

在基准测试表现上，谷歌自研的 ERQA 基准（具身推理问答）显示 Argon 以 87% 的得分领先所有前沿模型，Claude Opus 5.5 以 82.3% 位居第二，GPT-6 Astra 和 Claude Fable 5.1 分别以 81% 和 74% 跟随其后。然而，Artificial Analysis 于次日发布的 AA-Robotics 基准测试呈现了不同结论：在直接控制真实机械臂完成八项任务的测试中，Argon 以 55 分排名第三，落后于 GPT-6 Astra 的 69 分和 GPT-6.1 Sol 的 65 分。两套基准的分歧提示外界，评估机器人 AI 能力的标准本身仍存在较大争议。

尽管演示效果令人印象深刻，谷歌公开的提示词示例却揭示了一个不容忽视的现实：当前阶段 Argon 仍高度依赖详细的人工指引。每一个演示场景背后，都有经过精心设计的提示词在引导模型行为，这意味着模型的自主性与谷歌所描绘的愿景之间仍存在明显差距。Argon 目前已通过谷歌付费开发者访问计划向外部开放，其在真实工业场景中的落地表现，还有待更广泛的独立验证。

要点

• Gemini 4 Argon 定位为覆盖机器人控制、仿真生成与数据评估的单一模型，谷歌将其纳入迈向「物理 AGI」的战略路径。
• 仿真生成能力是 Argon 的核心亮点，单张照片可生成超过 4500 个训练回合，使真实机器人成功率提升近 20 个百分点。
• 谷歌自研 ERQA 基准中 Argon 以 87% 领跑，但第三方 AA-Robotics 基准显示其在真实机械臂控制任务中仅排名第三。
• 公开的提示词示例表明，当前演示仍需大量人工引导，模型真正的自主操作能力与宣传存在落差。
• 两套基准测试结果的分歧凸显了机器人 AI 评估标准尚未统一的行业现状，独立第三方验证至关重要。