Gemini 4 Argon正式亮相，其在物理理解、代码生成及视觉语义推理方面实现质的飞跃，旨在加速通往物理通用人工智能（Physical AGI）的进程。
在评估三维环境物理及空间问题解决能力的具身推理（ERQA）基准测试中，Argon凭借纯推理能力取得87%的高分，超越其他前沿模型。作为通用物理推理模型，Argon覆盖机器人全生命周期，主要应用于以下四大领域：
解锁机器人控制
移动操作与闭环控制：Argon控制Boston Dynamics Spot四足机器人，通过MuJoCo数字孪生体进行仿真练习，成功执行踩踏脚踏式垃圾桶丢弃易拉罐的复杂任务。在零样本控制场景中，Argon利用视觉坐标和行动原语，引导机械臂扶正杯子并放入餐巾纸。此外，通过Gemini Omni世界模型的闭环视觉反馈，Argon能迭代优化提示词，引导机器人将散落的字母拼写为“ARGON”。
打通Real2Sim（真实到仿真）
多源数据重建数字孪生：Argon能从机器人遥操作片段、人类第一人称视频甚至手绘草图中，构建高保真物理校准的数字孪生体。它通过迭代视觉推理，调整仿真资产以确保视觉效果和接触物理事件与真实数据匹配。例如，仅凭一张手绘草图，Argon即可自动构建GPU加速的MuJoCo场景，合成76自由度全身投掷轨迹，并验证物理结果。
深化物理理解
细粒度标注与逻辑求解：Argon具备精确的物理理解力，能对灵巧操作视频进行多粒度事后标注，识别失误并重加权数据质量。在经典的“12球天平谜题”中，Argon构建双臂Franka FR3环境，编写纯视觉闭环求解器，仅凭立体RGB相机输入，在3次称重内准确隔离异常球。同时，作为通用价值函数，Argon能分析多视角视频，生成密集的任务进度预测。
驱动研究与自我改进
仿真增强与硬件迭代：Argon通过仿真生成大量域随机化数据，将现实世界中物理机器人的任务成功率从56%提升至75%，完成时间从35秒缩短至24秒。在硬件层面，Argon能通过试错和自我反思，迭代优化机械臂的抓放速度与精度。此外，仅需单个提示词，Argon即可在MuJoCo WebAssembly环境中复现复杂的机器人控制论文，如DeepLoco和Whole-Body MPC。
目前，开发者可通过Google AI Studio（面向Ultra订阅用户）、Gemini API（使用gemini-4-argon模型）以及Google Antigravity平台体验并使用Gemini 4 Argon进行复杂规划与多代理编排。