Gemini 4 Argon erreicht 87 % beim Embodied Reasoning, braucht aber 52 Minuten pro Aufgabe am realen Arm

Google hat Gemini 4 Argon am 13. Oktober weltweit veröffentlicht, und Physical Intelligence hat die Beta einer API geöffnet, mit der sich seine Robotermodelle π0 und π0.5 auf der von Pi betriebenen Infrastruktur feinabstimmen lassen.

Google steigt in die Robotik als die langsame Schicht rund um die Maschine ein: Simulationen bauen, Daten labeln, Fortschritt bewerten und Steuerungscode schreiben. Pis API ist der Versuch, die Sammeln-Trainieren-Testen-Schleife des Kunden zu besitzen, bevor allgemeine Modelle diese Schleife billig machen. Der Streitpunkt ist widerlegbar: Wird ein allgemeines Modell schnell genug, um den Regelkreis selbst zu schließen, schrumpft die Position des Spezialisten auf Deployment-Arbeit.

Argons Aufgaben liegen neben dem Regelkreis

Googles Entwicklerbeitrag listet vier Robotik-Anwendungen für Argon auf: Robotersteuerung, Real2Sim, physisches Verständnis wie Hindsight-Labeling und Fortschrittsschätzung sowie Forschung und Selbstverbesserung. Die meisten von Googles Beispielen sind die langsame Arbeit. Google zufolge sah Argon sich ein Rohvideo einer Person beim Cornhole-Spiel an, kartierte die Umgebung, berechnete Ganzkörper-Gelenkbewegungen und schrieb Simulationscode; auf dem Humanoiden Apollo von Apptronik versenkte er danach sieben Würfe in Folge. Google zufolge verdichtet seine Video-to-Sim-to-Real-Pipeline Wochen manueller Simulationsmodellierung auf wenige Stunden. Aus einem einzigen RGB-Foto einer Tischplatte habe Argon, so Google, einen kalibrierten MuJoCo-Zwilling gebaut, 77 Aufgaben definiert und mehr als 4.500 Episoden mit Domain Randomization für das VLA-Fine-Tuning erzeugt, womit die Erfolgsquote am realen Roboter von 56 % auf 75 % stieg und die Ausführungszeit von 35 auf 24 Sekunden sank. An einem SO-101-Arm mit 6 Freiheitsgraden sei Pick-and-Place laut Google über drei Iterationen von 58,9 auf 17,4 Sekunden gefallen.

Humanoids Daily berichtet, dass der Cornhole-Workflow Feedback aus physischen Versuchen am realen Roboter bezog; wenn die Serie oder die 75 % nach vielen ungezählten Versuchen entstanden, sagen beide weniger über Zuverlässigkeit aus, als sieben saubere Würfe nahelegen. Die Steuerungsdemo zeigt dasselbe: Googles „Zero-Shot-Control"-Aufgabe mit dem Becher übergibt Argon ein Handgelenkkamera-Bild mit einem projizierten 2-cm-Weltkoordinatengitter und vorgefertigten Primitiven wie grasp und place_until_contact, sodass das Modell unter Primitiven wählt, statt Gelenke anzusteuern. Google hat außerdem bereits Gemini Robotics-ER 1.6 für räumliche Wahrnehmung und Aufgabenplanung ausgeliefert.

Frontier-Modelle sind rund 100-mal langsamer als ein Mensch

AA-Robotics v0.1 von Artificial Analysis, am 14. Oktober veröffentlicht, steuerte einen echten 6-Achsen-Hiwonder-NexArm, fünf Gelenke plus einen Greifer, über eine einfache HTTP-API mit vier Kameras und acht Tischaufgaben, im Zero-Shot. Auf einer Skala von 100 Punkten erreichte GPT-6 Astra 69,4, GPT-6.1 Sol 64,6, Gemini 4 Argon 55,3, Claude Opus 5.5 48,8 und Claude Fable 5.1 46,3.

Die Zeit ist das schärfere Ergebnis. Artificial Analysis maß die Modelle als rund 100-mal langsamer als einen Menschen, etwa eine halbe Stunde pro Aufgabe gegenüber einem menschlichen Durchschnitt von 20 Sekunden. Argon war mit 52 Minuten oder 3.120 Sekunden am langsamsten, rund 156-mal der menschliche Referenzwert; der 30-Minuten-Durchschnitt liegt bei 90-mal. Argon verbrachte zudem im Mittel 21 Minuten mit Beobachten und Denken vor seiner ersten Aktion, fast doppelt so lange wie jedes andere Modell. Artificial Analysis beziffert die Kosten pro Aufgabe auf 16,36 $ für GPT-6 Astra und 1,93 $ für GPT-6.1 Sol und schreibt, Frontier-Sprachmodelle seien heute „viel zu langsam und zu teuer für irgendeine Produktionsnutzung", erwarte aber, dass sich das schnell ändert.

Googles 87 % auf ERQA, seinem Embodied-Reasoning-Benchmark aus 400 Multiple-Choice-Fragen zum räumlichen Denken, stehen neben diesen Zahlen. Google zufolge stammt das Ergebnis aus reinem Denken und schlägt jedes andere Frontier-Modell; der Zweitplatzierte Claude Opus 5.5 erreicht in Googles Grafik 82,3 %. ERQA misst räumliches Denken, nicht ob ein Roboter eine Aufgabe erledigt, und Argon landete auf Platz drei, als Artificial Analysis diese Modellklasse vor einen echten Arm stellte.

Pi verkauft die Schleife, und die Schleife ist die Wette

Pis Beta liefert eine Iterationsschleife, keinen Controller. Entwickler laden Daten hoch, starten das Fine-Tuning der Familie π0 und π0.5 auf der von Pi verwalteten Rechenleistung und Infrastruktur und betreiben das Ergebnis über ein gehostetes Inferenz-Gateway. Pi beschreibt die Schleife als Demonstrationen sammeln, ein Modell trainieren, es am Roboter testen und aus den Fehlern die nächsten Daten wählen, und schreibt: „Wir haben die API gebaut, damit Entwickler diese Iterationsschleife selbst durchlaufen können, mit unseren neuesten Modellen." Pi will den Zugang zu seinen neuesten Modellen über die API weiter ermöglichen und ergänzt: „Je mehr unsere Modelle genutzt werden, desto mehr lernen wir, sie zu verbessern."

Der frühe Beleg ist klein, aber konkret. Pi zufolge entgratete Almonds zweiarmer Axol-Roboter Abstandshalter für die eigene Montage mit einem Modell, das nach vier Tagen Iteration über die API entstand, und Actors autonomer Radlader schaufelte in einem kommerziellen Einsatz in Utah Material in einen Muldenkipper, ohne Bediener im Fahrzeug. Pi nennt unter anderem AgRobotics, CloudChef, einen Milchwirtschaftspartner, Ultra und Weave. Die meisten Anwendungen liefen über gehostete Cloud-Inferenz durch die API, und Pi nennt Netzwerkkonnektivität als Herausforderung für einige.

Das stärkste Argument gegen die Trennung steht in Googles eigenem Beitrag. Die Robotersteuerung ist der erste seiner vier Bereiche, Argon schreibt Steuerungscode, und das SO-101-Ergebnis ist Selbstverbesserung an genau der Schleife, die Pi verkauft. Wird das allgemeine Modell schnell und billig genug, um diese Schleife selbst zu fahren, wird gehostete Iteration zur Massenware und Pi bleibt der Verkauf von Deployment-Arbeit. Dass Argon hinter zwei GPT-6-Modellen Dritter wird, zeigt, dass das Rennen der Generalisten offen ist; das Schnellsteuerungs-Szenario kann also von einem Wettbewerber kommen. Die Zahl, auf die es ankommt, ist die Latenz im nächsten AA-Robotics-Release: Sinkt die Zeit pro Aufgabe von 52 Minuten in Richtung der menschlichen Marke von 20 Sekunden, schwächt sich damit auch das Argument für ein eigenes Unternehmen der Trainingsschicht ab.