Un solo modelo para toda la cadena robótica
Google ha publicado lo que está haciendo con Gemini 4 Argon en robótica, y el argumento es la consolidación: un modelo que controla robots, construye los entornos simulados donde practican y revisa los datos de entrenamiento con los que aprenden. La entrada, firmada por el ingeniero principal de software Kanishka Rao, la presenta como un paso hacia una AGI física.
Las demostraciones son concretas. Un cuadrúpedo Spot de Boston Dynamics aprende a accionar el pedal de un cubo de basura tras practicar en un gemelo digital en MuJoCo. Argon construye gemelos de simulación a partir de una grabación de teleoperación, un vídeo humano en primera persona o un boceto a mano. En una demostración de generación de datos, Google informa de que el éxito en el mundo real sube del 56% al 75% y el tiempo de ejecución baja de 35 a 24 segundos. En otra de automejora sobre una tarea de recoger y colocar, el tiempo cae de 58,9 a 17,4 segundos en tres iteraciones.
También anota vídeo en varios niveles —el ejemplo de Google es el plegado de origami—, estima cuánto le falta a un robot para terminar una tarea y resuelve un acertijo de balanza con doce bolas usando solo visión estéreo. The Decoder informa de que Google ha reconstruido así 68 artículos publicados de robótica como simulaciones interactivas en el navegador.
Dos pruebas, dos respuestas
La cifra de la propia Google es un 87% en ERQA, una prueba de razonamiento encarnado de 400 preguntas respondidas sin herramientas, que según la empresa supera a cualquier otro modelo de frontera. The Decoder enumera el grupo de comparación: Claude Opus 5.5 con 82,3%, GPT-6 Astra con 81% y Claude Fable 5.1 con 74%. Es un dato del fabricante en una prueba elegida por el fabricante.
Un día después, Artificial Analysis publicó AA-Robotics, un índice de ocho tareas puntuado sobre 100. Allí GPT-6 Astra obtuvo 69, GPT-6.1 Sol 65 y Argon 55: tercer puesto. Los dos resultados no se contradicen, miden cosas distintas, y la diferencia recuerda por qué el gráfico de un fabricante no es un resultado independiente.
Lo que las demostraciones no dicen
The Decoder señala tres límites que conviene retener. Las instrucciones de las demostraciones contienen guía humana detallada, incluidas órdenes preconstruidas y listas de acciones prohibidas. Google no publica tasas de fallo de cada demostración. Y la cifra del 75% de éxito no dice de cuántos intentos sale.
Disponibilidad
Argon está en Google AI Studio y Antigravity para suscriptores de Google AI Ultra, y en el nivel de pago de la API de Gemini como gemini-4-argon dentro de la Interactions API, con soporte desde el primer día en los SDK google-genai. Google no da precios específicos para robótica más allá de esos niveles. Lo que conviene vigilar es si algún laboratorio ajeno a Google reproduce las cifras de simulación a realidad sobre hardware que Google no haya elegido.
