谷歌正试图用Gemini 4 Argon这一个模型覆盖机器人开发的整条流水线：控制机器人本体、生成可交互的 3D 训练环境，并评估训练视频质量。该模型通过谷歌的付费开发者计划提供，谷歌将其定位为迈向「物理 AGI」的一步，这也是谷歌及其 AI 子公司 DeepMind 多年追求的方向。
在谷歌展示的波士顿动力 Spot 机器人演示中，Argon 先为垃圾桶踏板建立虚拟副本，让机器人在仿真中练习三条腿平衡，再在真实硬件上执行投掷易拉罐的任务；投掷前另有两个 AI 代理核对脚部与夹爪位置。这一流程体现了 Argon 的设计目标：更好地理解空间关系、编写控制代码，并从物理角度解读视频。
仿真生成是演示中最反复出现的模式。从一张摆有派对道具的桌子照片出发，Argon 构建了包含毛绒帽在内的虚拟复制品，自行提出 77 项任务，并生成超过 4500 个训练回合供控制模型使用。谷歌称，在真实机器人上测试时，成功率从 56% 提升至 75%，执行时间从 35 秒缩短至 24 秒。Argon 也能处理其他输入：从遥操作机器人录像生成外观与指尖受力读数一致的仿真；从人类第一人称抓取视频，将手部与手指动作映射到五指虚拟人形机器人；甚至一张圆珠笔草图也能变成仿真——画中人形机器人用球击倒箱子金字塔，Argon 会计算投掷动作，在不摔倒的前提下击倒全部 六个箱子。
另一类演示完全发生在 AI 生成的视频里。视频世界模型 Gemini Omni 负责生成场景变化片段，Argon 充当导演，写出带时间戳的手部动作指令，例如把拼字游戏字母滑到桌面中央；Gemini Omni 据此生成视频，Argon 再逐帧检查并调整下一条指令。目标是排列五个散落字母拼出「ARGON」，经过 33 步后字母归位。
在机械臂放置乐高积木的演示中，Argon 被要求自我改进：失败时查看自身日志与摄像头图像、找出原因、应用已验证的修复后重试。首次运行耗时略低于一分钟，第二次缩短至 23 秒，但积木擦到盒子边缘；第三次约 17 秒后正中盒心。谷歌还希望 Argon 服务科研：每篇论文只需一条提示词，即可将已发表的机器人实验重建为浏览器内运行的交互式仿真，谷歌称目前已构建 68 个此类沙盒，包括机器人足球和踩滑板的人形机器人。
基准测试呈现两面。谷歌自有的 ERQA（具身推理问答）基准用 400 道题、不借助任何辅助工具测试模型对 3D 物理与空间问题的推理能力。谷歌称 Argon 得分 87%，领先所有前沿模型；第二名 Claude Opus 5.5 为 82.3%，落后约五个百分点；GPT-6 Astra 以 81% 紧随其后；Claude Fable 5.1 为 74%，落后 13 个百分点。但 Artificial Analysis 次日发布的 AA-Robotics 基准给出不同画面：该测试让语言模型直接控制真实机械臂完成八项任务，Argon 的排名表现与 ERQA 并不一致。
从产业视角看，Argon 的意义在于把过去分散的机器人工具链——仿真器、控制代码生成、数据评估——收拢到一个模型里，若这一路径成立，机器人训练对专用仿真软件与人工标注的依赖可能下降，仿真与数据服务环节的竞争格局也会随之变化。但谷歌自己的示例提示词也显示，多数演示仍需详细的人工引导，模型距离「开箱即用」仍有距离；而两个基准给出的分歧结果，说明其在真实硬件控制上的能力尚待更多独立验证。