快速了解本文
Google 推出 Gemini 4 Argon，旨在通过单一模型控制机器人并生成训练数据。
该模型在理论推理基准测试中领先，但在直接控制物理机械臂时表现回落。
实际演示显示 Argon 仍高度依赖人工提示和辅助工具，自主性有限。
本摘要由 AI 辅助整理，请以正文内容为准。
Google 于 2026 年 10 月 15 日推出 Gemini 4 Argon，将其定位为能够同时控制机器人、生成 3D 训练环境并评估训练数据的单一 AI 模型。这一愿景试图简化具身智能的开发流程，但其在理论基准测试中的领先表现与实际演示中对复杂提示工程的依赖，勾勒出该模型当前的真实能力边界。
01从仿真生成到跨模态控制
Argon 的核心定位是打破传统机器人开发中多个模型拼接的繁琐流程。在 Google 公布的演示中，Argon 展现了强大的仿真数据生成能力：仅凭单张照片即可生成超过 4500 个训练 episode。这一能力使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（该成功率提升未说明总尝试次数）。此外，在跨模态任务规划方面，Argon 能够指挥视频世界模型 Gemini Omni 逐步生成指令并动态调整动作，例如在 33 步内将散落的字母拼成“ARGON”，展示了其在复杂空间任务中的控制潜力。
02理论推理领先，实际物理控制存在落差
在评估模型纯空间与物理推理能力的 ERQA（具身推理问答）基准测试中，Argon 在无辅助工具的情况下得分 87%，领先于 Claude Opus 5.5（82.3%）和 GPT-6 Astra（81%），证明了其在理论推理层面的优势。然而，当测试环境转向语言模型直接控制真实机械臂的 AA-Robotics 基准测试时，Argon 的表现出现回落。在该测试的八项物理任务中，Argon 得分 55 分，排名第三，落后于 GPT-6 Astra（69 分）和 GPT-6.1 Sol（65 分）。这种反差表明，尽管 Argon 在理解物理环境方面表现优异，但将其转化为精准的物理执行动作仍面临挑战。
03实际部署仍重度依赖人工“脚手架”
尽管 Google 提出了单一模型的宏大愿景，但实际演示暴露出 Argon 距离完全自主控制仍有距离。根据 The Decoder 对 Google 公布示例的分析，Argon 在实际操作中高度依赖详细的人工提示和引导。例如，在一个“零样本”扶起杯子的任务中，系统需要摄像头图像上的厘米网格覆盖以及预建命令的辅助。这意味着当前模型仍需大量人工“脚手架”支持，限制了其泛化与自主性。当前的演示效果可能受限于公开的提示词设计，未来通过微调或优化系统提示，其自主性有望得到提升。目前，Argon 仅通过 Google AI Studio 和 Antigravity 环境向 Google AI Ultra 订阅者开放，开发者也可通过 Gemini API 的付费层进行访问。