谷歌物理真觉醒，全新Gemini 4 Argon一大波实测来了

谷歌的Gemini 4 Argon正式亮相了。

此前被外界认为进展缓慢的谷歌，如今强势回归。

根据性能基准测试，该模型在文本处理和逻辑推理方面，与GPT-6 Astra和Claude Opus 5.5的竞争不相上下。

在定价方面，它的成本仅为竞争对手的五分之一，而运行速度则快了数倍。

更令人瞩目的是，它被认为是首个让人感到“融合了图像、视频、语言甚至物理直觉”的通用物理推理模型。

有用户惊叹：Gemini 4 Argon开始理解物理规律了！

沃顿商学院教授Ethan Mollick的感受是：Gemini 4与其他模型截然不同，其他模型或多或少都与Claude或GPT存在微妙的相似之处。

Gemini 4 Argon的实际表现如何？我们进行了自己的测试。

我们的测试体验

测试1：用傅里叶级数“手工绘制”骑自行车的鹈鹕

以前测试大模型，通常是用“鹈鹕骑自行车”的SVG图。

但在X平台上，一位博主的测试难度极高：他让Argon利用傅里叶旋转圆来生成一个骑自行车的鹈鹕版本。

他的感受是：Argon对世界有着惊人的直觉式理解，遵循第一性原理。

我们也用Argon进行了测试，令人惊喜的是，Argon瞬间掌握了傅里叶级数逼近闭合曲线的几何本质！

在生成的结果中，它直接“计算”出了正在踩踏板的鹈鹕轮廓。

测试2：3D版本的应县木塔

接着，我们要求它生成3D版的应县木塔。

结果看起来精致，但还不够震撼，而且并非真正的应县木塔。于是我们直接提供了一张提示图。

原本的五层结构，现在只能辨认出4层。

这一次，它生成的3D图像质量不错。

接下来是重头戏：我们要求它生成一个生动的解释性构造视频，要具有电影大片的感觉。

它生成的视频自带解说，而且是中文版，不过仔细听，发音有些滑稽。

测试3：深海探险泰坦尼克号

最近，小编沉迷于各种AI科普视频，于是让Argon来生成最近看过的一个印象深刻的AI视频——让机器人带我们去深海，还原当年泰坦尼克号的海难现场。

它生成的两个版本视频都只有10秒，无法生成更长的视频。如果要求不高，质量已经可以接受。

另外，中文口音依然有些搞笑。

测试4：科学推理能力大检验

据悉，Gemini 4 Argon已经在多个硬核科学领域取得突破，例如完成量子计算、解决核聚变问题、做出基于染色体重拍的罕见病诊断、设计5个高活性新酶等。

那么，我们来实际测试一下Gemini 4 Argon的科学推理能力到底有多强。

三维恒星器超导线圈与核聚变磁面求解

既然Argon找到了核聚变“格拉德猜想”的新反例，我们直接让它用纯代码手工编写一个三维恒星器磁场求解器。

这直接体现了Argon在计算物理和三维微分几何方面的前沿能力：它能够将磁流体力学平衡方程和超导线圈的空间拓扑，准确地转化为视觉仿真。

接着，我们复刻了X平台上高赞的“特斯拉三相交流感应电机工作原理”测试。

这表明，Argon具有极强的多物理场（电磁-机械）耦合推理能力。

它生成的演示中，不仅三维机械结构保持同轴对齐，而且右手螺旋定则、三相相位差与洛伦兹力转矩之间的因果链条也分毫不差。

遗憾的是，我们本来想测试更多案例，但作为每月付费20美元的Pro用户，还没测试几个案例，额度就用完了。

接下来是其他网友的测试。

纯代码手工制作3D，视觉与空间推理的“王者”？

Gemini 4 Argon一上线，各种用户测试案例就纷至沓来。

对于它的3D生成和空间视觉语义推理能力，大多数网友给予了积极评价。

网友@Bhavani_00007仅通过一段提示词，Argon就生成了一个逼真的3D图书馆。

他的评价是：这是一个性能怪兽！我从未期望过任何大模型能有如此逼真的细节。这太难被超越了。

确实，在许多网友展示的案例中，Argon在3D和复杂动态效果代码方面创造力十足。

有人使用Argon结合Nano Banana，纯粹用three.js从零开始生成了一架充满未来感的3D武装直升机。

开发者随意让它“在.html文件里做些酷炫的东西”，Argon直接生成了四个具有物理效果的视觉特效，看起来非常酷！

它还能直接复刻《我的世界》。

网友@notjazii花费19分钟，消耗630万tokens，在Devin中仅用3美元，就让Argon生成了一个完美的Minecraft克隆版本。

还有人让它生成一座不可能的博物馆。

@pankajkumar_dev测试了3D场景生成，直呼“它的3D速度和创造力完全是另一个维度的存在”。

Gemini 4的一大优势在于，它与Claude和Astra具有不同的个性和审美风格。

正面挑战Opus 5.5与GPT-6 Astra，成本极低

真正让用户满意的是Argon的极致性价比。

我们来看几组对比。

第一轮：Argon vs Claude Opus 5.5（果冻花园3D测试）

开发者@marcthecreatorr使用相同的提示词进行测试。

Opus 5.5： 耗时30分钟，花费约12.50美元。

Gemini 4 Argon： 耗时15分钟，花费约5美元。

结果，Argon不仅色彩更丰富、细节更到位，而且速度快了近4倍，成本还不到一半！

另一位开发者@notjazii也得出了几乎相同的结论（Opus 15分钟/8.2美元 vs Argon 13分钟/1.2美元），直呼“谷歌团队这次真的做出了好东西”。

第二轮：Argon vs GPT-6 Astra（性能与成本碾压）

网友@xKaka1456的结果更为夸张。

Astra： 耗时25分钟，成本11美元。

Argon： 耗时3分钟，成本0.5美元。

速度相差8倍多，成本相差整整22倍！

而在视觉基础任务（如目标检测、密集场景、小文本/手写文本/复杂表格提取）上，有网友宣布：“Astra被赶下神坛，Gemini 4 Argon是目前最好的视觉模型，而且在High模式下比Astra便宜4倍。”

真正的杀手锏——AI终于理解物理了！

谷歌在官方博客中这样定位Gemini 4 Argon：一款通用物理推理模型。

它被设计用于打通机器人技术栈中的物理理解、代码生成与视觉语义推理。

在具身推理（ERQA）基准测试中，Argon仅凭纯推理就取得了87%的高分，超越了所有前沿模型。

这意味着，AI可以通过观看视频，直接在现实世界中控制物理实体。

案例1：机器人学习人类扔沙包

谷歌让Argon观看了一段人类玩“扔沙包”的普通视频。

然后，Argon自行测绘了环境，计算了全身关节运动，并自主构建了仿真代码，在虚拟世界中反复练习。

最后，当这些数据传输到Apollo人形机器人身上时，这台机器人在现实测试中连续7次命中目标！

正如大V@StockSavvyShay所说：如果机器人能从普通视频中学习物理技能，那么谷歌庞大的YouTube视频库，将成为它在物理AI时代无需自己制造机器人就能称霸的最大护城河。

案例2：从手绘草图到精准的物理投掷

开发者只需拍摄一张纸上的粗糙草图（例如画一个机器人在桌子上扔球砸倒箱子）。

Argon就能自动构建GPU加速的MuJoCo物理场景，合成一个完美的76自由度全身加五指投掷轨迹，在仿真中验证砸倒目标的物理定律，最后导出高清渲染视频。

整个过程，AI完全理解了重力、动量和碰撞！

案例3：视觉闭环找出“异常重量的球”

面对经典的“12个小球称重谜题”，Argon能够自己编写一个纯视觉闭环控制器。

它控制两只Franka机械臂，仅使用RGB摄像头观察天平的倾斜度，自行规划步骤，只需3次称重，就将那颗重量不同的球精准挑选出来。

从零样本机器狗控制，到人类第一视角视频自动转化为机器人动作，再到极高精度的视频价值函数评估（分辨人类在视频中的操作是有效还是失误）……

就这样，Argon跨越了数字与现实的物理鸿沟。

测试也暴露了硬伤

当然，Argon的测试中也暴露了一些硬伤。

槽点一：在“真实业务代码”上表现不佳

尽管Argon在处理真实的、工程化极强的日常代码时，获得了差评。

有人直言：“在真实世界代码方面，这个模型毫无用处。也许谷歌已经放弃了纯编程模型的竞赛。”

另一位网友让Argon制作一个介绍自己的视频，结果连续做了两个版本都极其糟糕，与Opus 5.5制作的版本相比“一个天上一个地下”。

槽点二：反人类的用户界面和封闭的生态

“草莓哥”指出谷歌的软肋：“模型绝对是SOTA，能和Astra、Opus一较高下。但谷歌的问题在于其产品文化和工作空间（Harness）。”

Antigravity工作空间很笨重：无法处理登录（导致无法接入X、Reddit或YouTube），生成的文件难以浏览，且只能使用40个合作App，其他全部被锁定。甚至连同时登录多个Gmail账号都做不到！

谷歌迫切需要一个能与Anthropic媲美的现代用户界面。

槽点三：定价令人无语

有人愤怒地指出，Gemini 4 Argon竟然是Antigravity中Ultra用户的专属，而每月付费20美元的Pro用户，只能在普通的Gemini聊天框中使用它。

但是，OpenAI和Claude都在20美元档位提供最好的模型。

AI御三家，战争已白热化

在过去几个月里，GPT-6 Astra和Opus 5.5几乎占据了所有注意力。

今天这一战，谷歌回来了。

它不是一个完美的程序员，但确实是一个具备了物理直觉、顶尖视觉空间能力的“具身智能大脑”。

而且性价比超高。

正如Ethan Mollick所说——

目前尚不清楚在御三家的大战中，谁是最终赢家。

但可以肯定的是，我们正在见证一场通往物理AGI的最快加速！

参考资料：

https://developers.googleblog.com/gemini-4-argon-for-robotics/

本文来自微信公众号“新智元”（ID：AI_era），作者：Aeneas 大卫，36氪经授权发布。