Gemini 4 Argon atteint 87 % en raisonnement incarné mais met 52 minutes par tâche sur un bras réel

Google a rendu Gemini 4 Argon disponible dans le monde entier le 13 octobre, et Physical Intelligence a ouvert la bêta d'une API qui affine ses modèles robotiques π0 et π0.5 sur l'infrastructure que Pi exploite.

Google entre dans la robotique en tant que couche lente autour de la machine : simulations, étiquetage des données, notation des progrès et écriture de code de contrôle. L'API de Pi est une tentative de posséder la boucle collecter-entraîner-tester du client avant que les modèles généraux ne rendent cette boucle bon marché. Le désaccord est réfutable : si un modèle général devient assez rapide pour fermer lui-même la boucle de contrôle, la position du spécialiste se réduit au travail de déploiement.

Les tâches d'Argon se situent à côté de la boucle de contrôle

Le billet de Google pour les développeurs énumère quatre usages robotiques d'Argon : le contrôle du robot, Real2Sim, la compréhension physique comme l'étiquetage a posteriori et l'estimation des progrès, et la recherche et l'auto-amélioration. La plupart des exemples de Google relèvent du travail lent. Google affirme qu'Argon a regardé une vidéo brute d'une personne jouant au cornhole, cartographié l'environnement, calculé les mouvements articulaires du corps entier et écrit du code de simulation ; sur l'humanoïde Apollo d'Apptronik, il a ensuite enchaîné sept tirs consécutifs. Google affirme que son pipeline Video-to-Sim-to-Real compresse des semaines de modélisation manuelle de simulation en quelques heures. À partir d'une seule photo RVB d'une table, Google affirme qu'Argon a construit un jumeau MuJoCo calibré, défini 77 tâches et généré plus de 4 500 épisodes à randomisation de domaine pour l'affinage VLA, faisant passer la réussite sur robot réel de 56 % à 75 % et le temps d'exécution de 35 secondes à 24. Sur un bras SO-101 à 6 degrés de liberté, Google affirme que le pick-and-place est passé de 58,9 secondes à 17,4 secondes en trois itérations.

Humanoids Daily rapporte que le flux de travail du cornhole a tiré ses enseignements d'essais physiques sur le robot réel ; si la série de tirs ou le chiffre de 75 % est venu après de nombreuses tentatives non comptées, les deux en disent moins sur la fiabilité que ne le suggèrent sept tirs propres. La démo de contrôle dit la même chose : la tâche de la tasse en « contrôle zéro-shot » de Google fournit à Argon l'image d'une caméra de poignet avec une grille de coordonnées monde de 2 cm projetée et des primitives préconstruites comme grasp et place_until_contact, si bien que le modèle choisit parmi des primitives au lieu de commander les articulations. Google a aussi déjà livré Gemini Robotics-ER 1.6 pour la perception spatiale et la planification de tâches.

Les modèles de frontière tournent environ 100 fois plus lentement qu'une personne

AA-Robotics v0.1 d'Artificial Analysis, publié le 14 octobre, a piloté un vrai bras Hiwonder NexArm à 6 axes, cinq articulations plus une pince, via une simple API HTTP avec quatre caméras et huit tâches de table, en zéro-shot. Sur une échelle de 100 points, GPT-6 Astra obtient 69,4, GPT-6.1 Sol 64,6, Gemini 4 Argon 55,3, Claude Opus 5.5 48,8 et Claude Fable 5.1 46,3.

Le temps est le résultat le plus tranchant. Artificial Analysis a mesuré les modèles à environ 100 fois plus lents qu'un humain, soit une demi-heure par tâche contre une moyenne humaine de 20 secondes. Argon était le plus lent à 52 minutes, ou 3 120 secondes, environ 156 fois la référence humaine ; la moyenne de 30 minutes vaut 90 fois. Argon a aussi passé en moyenne 21 minutes à observer et raisonner avant sa première action, près de deux fois plus longtemps que tout autre modèle. Artificial Analysis chiffre le coût par tâche à 16,36 dollars pour GPT-6 Astra et 1,93 dollar pour GPT-6.1 Sol, et affirme que les modèles de langage de frontière sont aujourd'hui « bien trop lents et chers pour un usage en production », tout en s'attendant à ce que cela change vite.

Les 87 % de Google sur ERQA, son benchmark d'Embodied Reasoning composé de 400 questions à choix multiple sur le raisonnement spatial, se situent à côté de ces chiffres. Google affirme que ce résultat vient du raisonnement pur et bat tous les autres modèles de frontière ; le dauphin Claude Opus 5.5 obtient 82,3 % sur le graphique de Google. ERQA mesure le raisonnement spatial, pas si un robot accomplit une tâche, et Argon s'est classé troisième dès qu'Artificial Analysis a placé cette classe de modèles devant un vrai bras.

Pi vend la boucle, et la boucle est le pari

La bêta de Pi livre une boucle d'itération, pas un contrôleur. Les développeurs téléversent des données, lancent l'affinage de la famille π0 et π0.5 sur la puissance de calcul et l'infrastructure gérées par Pi, et exécutent le résultat via une passerelle d'inférence hébergée. Pi décrit la boucle comme la collecte de démonstrations, l'entraînement d'un modèle, son test sur le robot et l'usage des échecs pour choisir les données suivantes, et écrit : « Nous avons construit l'API pour permettre aux développeurs de mener eux-mêmes cette boucle d'itération, avec nos modèles les plus récents. » Pi dit vouloir continuer à donner accès à ses modèles les plus récents via l'API, et ajoute : « Plus nos modèles sont utilisés, plus nous apprenons à les améliorer. »

La première preuve est modeste mais nommée. Pi affirme que le robot à deux bras Axol d'Almond a ébavuré des entretoises utilisées dans sa propre ligne d'assemblage avec un modèle obtenu après quatre jours d'itération via l'API, et que le chargeur sur roues autonome d'Actor a déversé du matériau dans un camion-benne lors d'un déploiement commercial dans l'Utah, sans opérateur à bord. Pi cite notamment AgRobotics, CloudChef, un partenaire laitier, Ultra et Weave. La plupart des applications tournaient sur de l'inférence hébergée dans le cloud via l'API, et Pi désigne la connectivité réseau comme un obstacle pour certains.

L'argument le plus fort contre cette séparation figure dans le billet de Google lui-même. Le contrôle du robot est la première de ses quatre catégories, Argon écrit du code de contrôle, et le résultat SO-101 est une auto-amélioration sur la boucle même que Pi vend. Si le modèle général devient assez rapide et bon marché pour faire tourner cette boucle seul, l'itération hébergée devient un produit banalisé et Pi reste à vendre du travail de déploiement. La troisième place d'Argon derrière deux modèles GPT-6 montre que la course des généralistes reste ouverte, si bien que le scénario du contrôleur rapide peut venir d'un concurrent. Le chiffre à surveiller est la latence de la prochaine version d'AA-Robotics : si le temps par tâche passe de 52 minutes vers la barre humaine de 20 secondes, l'argument pour une entreprise distincte de couche d'entraînement s'affaiblit d'autant.