Gemini 4 Argon: Google wraca do gry w robotyce i AI

Google zaprezentowało Gemini 4 Argon — nowy flagowy model, który firma określa jako „krok milowy” w rozumieniu fizycznego świata, generowaniu kodu i rozumowaniu wizualno-semantycznym. Premiera, ogłoszona 13 października 2026 roku, ma dwa oblicza: z jednej strony DeepMind pokazuje Argon jako uniwersalny model rozumowania fizycznego, który ma napędzać postęp w robotyce, z drugiej Google wprowadza go jako ogólny model frontierowy, mający dogonić rywali z OpenAI i Anthropic po miesiącach pozostawania w tyle za konkurencją — jak zauważa The Verge.

Kluczowe wnioski

• Na benchmarku Embodied Reasoning (ERQA), testującym rozumienie problemów przestrzennych w środowiskach 3D, Gemini 4 Argon osiąga wynik 87% przy czystym rozumowaniu — najlepszy rezultat wśród modeli frontierowych.
• Argon obsługuje cały cykl życia robota: sterowanie robotami, tworzenie cyfrowych bliźniaków symulacyjnych (Real2Sim), rozumienie fizyczne z etykietowaniem w trybie agentowym oraz badania i samodoskonalenie na sprzęcie.
• Według Google model przewyższa rywali, w tym GPT-6 Astra, Claude Fable 5.1 i Claude Opus 5.5, w testach z zakresu kodowania, cyberbezpieczeństwa, nauki, finansów i prawa.
• Google wycenia Argon bardzo agresywnie: 2 dolary za milion tokenów wejściowych i 10 dolarów za milion tokenów wyjściowych w cenie wprowadzającej — to około jedna piąta kosztu GPT-6 Astra od OpenAI i modeli Fable 5 od Anthropic.
• Model trafia od razu do abonentów Pro i Ultra w aplikacji Gemini oraz trybie AI w Wyszukiwarce, a także do subskrybentów Ultra platformy deweloperskiej Antigravity.

Argon w robotyce: od sterowania po symulację

Jak opisuje Kanishka Rao, Principal Software Engineer w DeepMind, Gemini 4 Argon jako model ogólnego przeznaczenia do rozumowania fizycznego może być stosowany w czterech kluczowych obszarach robotyki. Pierwszy to sterowanie robotem, obejmujące manipulację mobilną z praktyką w symulatorze MuJoCo, sterowanie robotem bez wcześniejszego treningu (zero-shot) oraz zamknięte pętle sterowania modelami świata wideo. Drugi obszar to Real2Sim, czyli rekonstrukcja fizycznie skalibrowanych bliźniaków symulacyjnych na podstawie obrazu z kamery robota, egocentrycznego wideo z udziałem człowieka lub nawet odręcznych szkiców na papierze.

W demonstracji opisanej w blogu DeepMind, Argon steruje czworonożnym robotem Boston Dynamics Spot (z 12 stopniami swobody w nogach i 6 w ramieniu), ucząc się nowej umiejętności — wrzucania puszek po napojach do kosza na śmieci z pedałem nożnym. Zanim robot fizycznie nadepnie na pedał, Argon tworzy articulated digital twin kosza w MuJoCo, by wcześniej przećwiczyć ruchy, w tym balans na trzech nogach w pozycji trójnożnej. System wykorzystuje przy tym „rój weryfikacyjny” dwóch agentów — jednego sprawdzającego ustawienie stopy na pedale, drugiego weryfikującego wyrównanie dłoni nad otwartym koszem w przestrzeni 3D.

W innym przykładzie Argon steruje prostym ramieniem robotycznym, które ma postawić przewrócony kubek i włożyć do niego zmięty papierowy ręcznik. Model operuje na skalibrowanej siatce współrzędnych wizualnych naniesionej na obraz z kamery nadgarstkowej — z kolorowym systemem odniesienia (osie X, Y, Z, kąty yaw i pitch) pozwalającym precyzyjnie planować chwyty i umieszczenie przedmiotów w pętli zamkniętej, turę po turze. Trzeci zaprezentowany scenariusz to sterowanie w ramach modelu świata Gemini Omni, gdzie Argon porządkuje pięć rozrzuconych kafelków Scrabble (litery G, R, A, N, O) w jeden równy rząd, układając je w napis „ARGON” — model pisze oznaczone czasowo polecenia działań, sprawdza pośrednie klatki symulacji i na bieżąco doprecyzowuje swoje instrukcje w zamkniętej pętli wizualnej.

Takie podejście — od praktyki w symulatorze, przez samodoskonalenie na podstawie informacji zwrotnej, po iteracyjne poprawianie działań na sprzęcie — wpisuje się w szerszy trend samodoskonalącego się przeszukiwania programów sterowania w AI, opisany wcześniej przy okazji systemu EliteTable.

Powrót Google do wyścigu frontierowego

Poza warstwą robotyczną, Argon to przede wszystkim ogólny model frontierowy, mający odpowiedzieć na miesiące dominacji konkurencji. Jak przypomina The Verge, to pierwsze duże wydanie Google od czasu Gemini 3 pod koniec 2025 roku. W międzyczasie imponujące modele od Anthropic i OpenAI sprawiły, że Google wyraźnie pozostawało w tyle, a wewnętrzne wstrząsy kadrowe w firmie podsycały wątpliwości co do jej zdolności — lub chęci — do odzyskania pozycji lidera.

Google deklaruje, że Argon oferuje „frontierowe rozumowanie i lepszą wydajność w złożonych przepływach pracy”, jednocześnie ograniczając typowe dla chatbotów AI przywary: nadmierne zastrzeżenia, powtórzenia i utarte frazesy. Firma twierdzi, że już wdraża model wewnętrznie — do wyszukiwania i łatania luk cyberbezpieczeństwa, zmniejszenia o połowę mocy obliczeniowej potrzebnej do obsługi sekcji komentarzy YouTube oraz debugowania symulatora fizyki dronów należącej do Alphabet firmy dostawczej Wing.

Zgodnie z praktyką stosowaną przy ostatnich premierach modeli frontierowych, publiczne udostępnienie Argona poprzedzał ograniczony dostęp dla wybranej grupy „zaufanych obrońców cybernetycznych”, testujących potencjalne ryzyka. Nie wiadomo jeszcze, czy — ani kiedy — Argon trafi do subskrybentów planu Plus lub użytkowników darmowych.

Co istotne, cena wprowadzająca Argona ma się podwoić z końcem listopada, gdy skończy się okres promocyjny. Nawet wtedy model ma pozostać wyraźnie tańszy od rywali w przeliczeniu na token — choć, jak zastrzega The Verge, nie musi to automatycznie oznaczać niższych kosztów w praktyce, bo różne modele zużywają różną liczbę tokenów do wykonania tego samego zadania.

Dwa modele, jeden dzień

Premiera Argona zbiegła się niemal idealnie z ogłoszeniem przez Metę własnego modelu frontierowego, Muse Wonder Full — co The Verge interpretuje jako dowód, że wyścig AI wciąż daleki jest od układu dwóch głównych graczy. Szczegóły tej konkurencyjnej premiery opisaliśmy w artykule o Meta Muse Wonder Full wchodzącym do czołówki modeli AI. Zbieżność dat pokazuje, jak szybko potrafi zmieniać się układ sił w branży sztucznej inteligencji — i że Google, mimo miesięcy w cieniu konkurencji, wciąż ma narzędzia, by ponownie włączyć się do walki o fotel lidera.