Google 發布 Gemini 4 Argon 機器人模型，涵蓋控制、模擬與訓練資料評估，但示範仍需大量人工提示

Google 發表 Gemini 4 Argon，定位為涵蓋機器人控制、虛擬訓練環境生成與訓練資料評估的單一模型，Google 稱其為邁向「實體 AGI」的又一步。據報導，Argon 可從照片、草圖、遙操作錄影或第一人稱影片建立模擬環境，讓機器人先在模擬中練習再上實機。 Google 示範中，Boston Dynamics Spot 機器人需將汽水罐投入踩踏式垃圾桶，Argon 先建立垃圾桶的虛擬副本，讓機器人在模擬中練習單腳平衡，並由另外兩個 AI 代理確認腳部與夾爪位置後才執行。另一例中，模型從一張桌面照片生成 77 項任務、逾 4,500 組訓練片段，使控制模型在實機上的成功率由 56% 提升至 75%，執行時間由 35 秒縮短至 24 秒。 Argon 也可指揮 AI 影片模型 Gemini Omni 規劃機器人動作：它寫出帶時間戳的手部指令，Gemini Omni 生成影片，Argon 再逐格檢查並調整下一步指令，經 33 步將五個字母磚排成「ARGON」。在樂高積木放入木盒的示範中，Argon 根據自身日誌與相機影像找出失敗原因並重試，第三次才精準落在中央。Google 另稱已依論文建立 68 個可在瀏覽器執行的互動模擬環境。 在評測方面，Google 稱 Argon 在 ERQA（400 題、不使用輔助工具）取得 87%，高於其他前沿模型，次高為 Claude Opus 5.5 的 82.3%。然而 Artificial Analysis 隨後發布的 AA-Robotics 評測中，語言模型直接控制真實機械手臂執行八項任務，Argon 以 55 分排名第三，落後 GPT-6 Astra（69 分）與 GPT-6.1 Sol（65 分）。兩項評測結果明顯不同，目前僅有 Google 單方面公布的數據。 此外，Argon 可拆解雙臂機器人折紙狐狸的影片，標記停頓與抓取失敗片段並降低其訓練權重；亦能追蹤人類分揀圓環的任務進度。Google 也展示 12 顆外觀相同球的稱重謎題，Argon 可僅憑相機影像判讀天平傾斜，於三次內找出異重球。 需注意，Google 公布的示範提示詞顯示，多數成果仍需大量人工細節引導，模型的自主程度因此受到質疑。Argon 目前透過 Google 付費開發者存取計畫提供。