Google发布Gemini 4 Argon：打通物理推理

Google 正式开放其最新前沿 AI 模型 Gemini 4 Argon 的使用权限。在机器人演示中，该模型通过观看普通人类动作视频自主构建物理仿真环境，并直接控制实体机器人完成动作。Google DeepMind 将 Argon 定位为覆盖“整个机器人生命周期”的“通用物理推理模型”。10 月 13 日，该模型已通过付费 Gemini API 及 Google AI 平台向全球用户开放。

除主打的编程、企业知识处理和网络安全场景外，Google 还希望通过 Argon 解决机器人训练管线搭建缓慢的行业痛点。

从视频、仿真到硬件控制

在一项内部测试中，Argon 仅通过观看人类投掷沙包（Cornhole）的原始视频，就完成了三维空间建模并推算出复刻动作所需的全身关节轨迹。随后，模型自主编写了仿真环境代码。当该技能部署至 Apptronik 的 Apollo 人形机器人后，机器人在实测中连续完成 7 次成功投掷。Google 将这一技术路线称为“视频到仿真再到真实环境”（Video-to-Sim-to-Real），称其将原本长达数周的人工仿真建模压缩至数小时，把普通视频转化为无限扩展的机器人训练场。

在另一项演示中，Argon 负责控制搭载六自由度机械臂的波士顿动力 Spot 四足机器人。模型先在 MuJoCo 中构建了脚踏式垃圾桶的数字孪生场景，并在仿真环境中预演了三腿平衡姿态。随后，真实机器人踩下踏板，通过手腕相机确认饮料罐对准桶口，并将其投入其中。

此外，仅凭一张桌面照片，Argon 即可搭建仿真环境、定义新任务并生成超过 4500 条随机训练序列。Google 数据显示，利用这批数据训练后，一个视觉-语言-动作（VLA）模型在真实世界中的成功率从 56% 提升至 75%，任务完成时间从 35 秒缩短至 24 秒。

基准测试与调用价格

在评估 3D 环境下空间与物理问题解决能力的具身推理基准测试（ERQA）中，Argon 取得了 87% 的成绩。Google 表示，该模型在未经过机器人专项微调的情况下，凭借纯推理能力超越了受测的所有其他前沿模型。

Google 最早于 9 月 30 日公布 Argon。截至 2026 年 11 月 30 日，API 优惠定价为每百万输入 Token 2 美元、每百万输出 Token 10 美元；此后价格将恢复为 4 美元和 20 美元。

与其他基础模型类似，Argon 仍可能产生幻觉。目前所有展示的机器人表现均来自 Google 内部测试，尚未经过独立第三方验证。Google 将该成果视为迈向“物理通用人工智能（AGI）”的重要一步。