专题 · FULL STORY

Gemini 4 Argon：谷歌物理推理模型发布与实测

Google DeepMind 发布通用物理推理模型 Gemini 4 Argon 并全量开放，演示中模型看视频教会 Apollo 机器人沙包七投七中。随后官方开发者博客背书其将加速机器人研发，开发者实测单 prompt 复现机器人论文、零样本搭建仿真环境，印证其「物理 AGI」方向的潜力。

2026-10-13 ~ 2026-10-14 · 4 集 · 18 条

第 1 集 · Gemini 4 Argon 看视频教 Apollo 机器人七投七中并全量开放(2026-10-13,6 条)

Google DeepMind 发布通用物理推理模型 Gemini 4 Argon 并宣布向所有用户开放。其演示引发广泛关注：模型仅通过观看人类玩沙包投掷（cornhole）游戏的视频，就自行分析物理规律、在 MuJoCo 仿真中自动搭建虚拟环境并编写练习代码，最终将学习成果迁移到 Apptronik 的 Apollo 人形机器人，实现七投七中。官方称这是物理 AI 方向的标志性展示。

已确认

  • 官方多次确认演示细节：Gemini 4 Argon 观看人类玩 cornhole 的视频后，自主映射环境、计算全身关节运动，并在 MuJoCo 仿真中自动搭建虚拟环境练习，无需人工逐步示教。
  • 官方发布 Gemini 4 Argon for Robotics，定位通用物理推理模型，在 3D 物理空间理解基准 Embodied Reasoning（ERQA） 上纯推理得分 87%。
  • 官方宣布 Gemini 4 Argon 已向所有用户开放，并称其可将视频变成物理 AI 的训练场：在沙包 demo 中，原本需数周的建模流程被压缩至几小时。
  • 演示硬件为 Apptronik 的 Apollo 人形机器人（部分帖子称 Apollo 2），实现连续七次投掷命中。演示最初来自内部测试，Google AI 团队将其作为加速内部研究的新探索对外展示。

为什么重要

  • 这一演示呈现了「视频理解 + 自主仿真 + 具身迁移」的完整闭环：无需人工编写仿真或逐步示教，模型自行完成从观察物理规律到生成训练环境的全过程。
  • 官方强调的效率提升（数周建模缩至几小时）若能在更多任务中复现，将显著降低机器人技能学习门槛，是通用物理 AI 方向的重要进展。

第 2 集 · Google 官方背书：Gemini Argon 将深刻改变机器人研发(2026-10-14,2 条)

Google 发布开发者博客，展示 Gemini 4 Argon 加速机器人研发的多种方式。开发者 keerthanpg 评价 Argon 是「阶跃式变化」，将对机器人领域产生巨大影响；DeepMind 的 Pushmeet Kolh 等人也发帖称 Argon 在机器人领域是 step change 级的进步，并展示了其直接控制四足机器人与人形机器人全身的能力。

第 3 集 · Gemini Argon 单 prompt 复现机器人论文并零样本建仿真环境(2026-10-14,2 条)

开发者 keerthanpg 演示 Gemini 4 Argon 仅用单个 prompt 就能复现多篇机器人学论文，效果令人惊讶。其后续推文进一步显示，Argon 能从真实视频零样本生成仿真环境，覆盖两条路径：将人类第一人称视频转换为机器人仿真，以及将机器人第一人称视频转换为仿真环境，展示了模型在机器人研究中的强大泛化能力。

第 4 集 · 谷歌发布 Gemini 4 Argon 机器人基础模型(2026-10-14,8 条)

谷歌在官方开发者博客发布机器人基础模型 Gemini 4 Argon for Robotics，将其定位为通用物理推理模型，官方称这是迈向「物理 AGI」的重要一步。

已确认

  • 模型结合机器人控制、物理推理、仿真环境生成与技能提升，实现一体化能力，并在物理理解、代码生成与视觉语义推理上实现阶跃式提升（@DynamicWebPaige、@IMordatch）
  • 在测试 3D 物理空间问题求解的具身推理基准 Embodied Reasoning（ERQA） 上以纯推理拿下 87%，超过所有其他前沿模型（@IMordatch、@keerthanpg、@mihdalal）
  • 仿真训练效果：4500 次仿真训练把成功率从 56% 提升至 75%；模型能从真实世界数据构建数字仿真，先在虚拟环境测试动作再部署到实体（@DynamicWebPaige）
  • 零样本操控：可零样本控制不同类型的机器人；演示视频为 Boston Dynamics 的 Spot 机器狗，遇到复杂任务时会暂停并在仿真中思考，思考过程可语音播放（@bousmalis）
  • 另一演示：仅凭观看视频，零样本教会人形机器人玩沙包；还能用单条提示复现机器人论文（@bousmalis、@keerthanpg）

为什么重要

ERQA 87% 的成绩显示该模型在 3D 物理推理上超越其他前沿模型，而「真实数据构建仿真—虚拟测试—实体部署」的工作流与零样本跨机器人操控能力，若得到验证，将明显降低机器人技能开发的门槛，是通用机器人基础模型路线的重要进展。