Gemini 4 Argon topper Googles robottest, men blir nummer tre når den styrer en ekte robotarm

På Googles egen test for romlig resonnering slår Gemini 4 Argon alle andre frontmodeller. I en uavhengig test der modellene styrer en fysisk robotarm, havner den på tredjeplass. Google har denne uken vist i utviklerbloggen hvordan Argon skal brukes i hele robotikkløpet: styre roboter, bygge simuleringer og vurdere treningsdata. The Decoder har gått gjennom demoene og promptene.

På ERQA, med 400 spørsmål og ingen verktøy, scorer Argon 87 prosent. Claude Opus 5.5 får 82,3, GPT-6 Astra 81 og Claude Fable 5.1 74 prosent. I AA-Robotics fra Artificial Analysis, publisert dagen etter, styrer språkmodellene en ekte robotarm gjennom åtte oppgaver. Der får Argon 55 av 100 poeng, bak GPT-6 Astra med 69 og GPT-6.1 Sol med 65.

«Med ren resonnering scorer Argon 87 prosent, bedre enn alle andre frontmodeller.» — Google, i utviklerbloggen

Demoene bygger på simuleringer. Fra ett bilde av et bord med festrekvisitter laget Argon en virtuell kopi, fant på 77 oppgaver og genererte over 4 500 treningsepisoder for en styringsmodell. På den ekte roboten steg suksessraten fra 56 til 75 prosent, og tiden falt fra 35 til 24 sekunder. En Boston Dynamics Spot øvde på å tråkke på pedalen til en søppelbøtte i en MuJoCo-kopi før den gjorde det på ekte, med to ekstra agenter som sjekket fot og gripeklo.

The Decoder peker på hvor mye som ligger i promptene. Oppgaven med å rette opp en velt kopp kalles «zero-shot», men Argon får et kamerabilde med centimeterrutenett og ferdige kommandoer som «grasp». Simuleringene kommer med lange lister over snarveier modellen ikke får ta. Google oppgir ingen feilrater, og tallet på 75 prosent mangler antall forsøk.

«Men eksempelpromptene avslører hvor mye menneskelig håndholding modellen fortsatt trenger.» — The Decoder

Selve promptene er likevel nyttige lesning. Koppdemoen beskriver et lite lokalt HTTP-API på port 8081 med primitiver som robot.grasp og robot.place_until_contact, og modellen styrer armen ved å sende curl-kall og sjekke kamerabildet etter hver tur. Google har også latt Argon gjenskape publiserte robotikkeksperimenter som interaktive simuleringer i nettleseren, med én prompt per artikkel. 68 slike sandkasser er laget så langt, blant dem robotfotball og en humanoid på skateboard.

Argon er tilgjengelig i Google AI Studio og Antigravity for Google AI Ultra-abonnenter, og i den betalte delen av Gemini API.

For deg som bygger agenter er mønsteret mer interessant enn modellen: et smalt API, visuell kontroll etter hvert steg og egne verifiseringsagenter før handlinger som ikke kan angres.