Новая модель ИИ обещает сжать недели подготовки симуляций до нескольких часов и стать шагом к «физическому AGI». Но есть ли у прорыва подводные камни? Представьте: ИИ смотрит любительское видео, как человек играет в баскетбол, анализирует траектории и биомеханику, а спустя всего несколько часов гуманоидный робот идеально забрасывает мяч в корзину. Но это не фантастический эпизод, это уже реальность.

Компания Google открыла глобальный доступ к Gemini 4 Argon – своей новейшей флагманской ИИ-модели. В DeepMind её окрестили «универсальной моделью физического мышления». И хотя Argon позиционируется как мощный инструмент для программирования, корпоративного управления знаниями и кибербезопасности, именно робототехнические демо стали главной звездой презентации.

Магия конвейера «Video-to-Sim-to-Real»

Главная боль робототехники – создание сред для обучения. Чтобы робот понял, как открыть дверь или бросить предмет, инженерам приходилось неделями вручную прописывать физику и параметры в симуляторах. Argon меняет правила игры.

В Google представили конвейер Video-to-Sim-to-Real («от видео к симуляции и к реальности»). Модель смотрит обычный видеоролик, строит на его основе точную физическую карту пространства, просчитывает кинематику суставов и сама пишет код для симуляции.

По словам разработчиков, этот процесс «сжимает недели ручного моделирования до нескольких часов», превращая любой ролик из интернета в бесконечную тренировочную площадку.

Как это работает на практике?

Игра в корнхол. В одном из тестов Argon изучил видео с бросками человека, создал карту пространства и рассчитал нужную амплитуду движений. Навык перенесли на гуманоида Apollo от Apptronik, который в реальных условиях «быстро забросил семь мешочков подряд».

Мусорное ведро и банка газировки. Четвероногий Spot от Boston Dynamics, оснащенный манипулятором, должен был выбросить банку. Argon создал в симуляторе MuJoCo цифровой двойник ведра с педалью.

Робот отрепетировал в «матрице» сложную балансировку на трех ногах, чтобы нажать на педаль. В реальности Spot успешно нажал на крышку, проверил позиционирование банки камерой на «запястье» и точно отправил мусор в цель.

Один снимок – 4500 задач. В еще одном демо нейросеть посмотрела на единственную фотографию кухонной столешницы, сама придумала сценарии взаимодействия и сгенерировала более 4500 тренировочных эпизодов со случайными вариациями.

Это позволило поднять точность выполнения задач роботом (в связке «зрение – язык – действие») с 56% до 75%, а время отклика сократилось с 35 до 24 секунд.

Об этих и других кейсах подробно рассказал в блоге для разработчиков Канишка Рао, ведущий инженер-программист Google.

Рекорды бенчмарков и «чистое мышление»

Цифры подтверждают: Argon – не просто красивая картинка. В бенчмарке Embodied Reasoning (ERQA), который оценивает способность ИИ решать пространственные и физические задачи в 3D-среде, модель набрала 87%.

Самое впечатляющее, по словам представителей Google, что этот результат был достигнут «за счёт одних лишь рассуждений».

Модель не стали специально «натаскивать» на робототехнические датасеты – она просто применила свое понимание физики. Как отмечает The Times of India, это открывает путь к созданию роботов, способных адаптироваться к любым условиям без перепрошивки под каждую новую задачу.

Цена вопроса и путь к «Физическому AGI»

Доступ к Argon уже открыт по всему миру через платный Gemini API и для подписчиков Google AI. Вводные цены выглядят привлекательно: $2 за миллион входных токенов и $10 за миллион выходных. Однако спешите воспользоваться – этот тариф действует только до 30 ноября 2026 года. После Нового года ценник вырастет ровно вдвое ($4 и $20 соответственно).

Напомним, что впервые о существовании Argon стало известно 30 сентября. Тогда Google в рамках добровольной процедуры правительства США предоставила ранний доступ к модели узкому кругу экспертов по кибербезопасности через программу Fairwind Program.

Ложка дегтя: есть ли подводные камни?

Как и другие фундаментальные модели, Argon может ошибаться и выдавать желаемое за действительное. В вопросах физики ошибка ИИ может стоить не просто неверного текста, а разбитой посуды или сломанного робота.

Нет независимой проверки. Все восторженные демо с Apollo и Spot пока существуют исключительно в стенах лабораторий и на видео самой Google. Независимые исследователи еще не получили доступ к «сырой» модели для стресс-тестов в реальных, неидеальных условиях.

Тем не менее, в Google не скрывают своих глобальных амбиций. Разработчики называют релиз Argon важнейшим шагом к так называемому «физическому AGI» (общему искусственному интеллекту, понимающему материальный мир).

Конечная цель амбициозна и прекрасна: создать роботов, которые смогут не просто выполнять заученные алгоритмы на заводах, а полноценно работать бок о бок с людьми, решая сложные бытовые и профессиональные задачи.

И если вчерашняя презентация – это правда, а не просто рендер, то будущее наступило немного раньше, чем мы ожидали.