Gemini 4 Argon obtém 87% em raciocínio incorporado, mas leva 52 minutos por tarefa com braço real

O Google lançou o Gemini 4 Argon mundialmente em 13 de outubro, e a Physical Intelligence abriu a beta de uma API que ajusta seus modelos de robô π0 e π0.5 em infraestrutura operada pela Pi.

O Google entra na robótica como a camada lenta ao redor da máquina, a que constrói simulações, rotula dados, avalia progresso e escreve código de controle, enquanto a API da Pi é uma aposta para dominar o ciclo de coletar, treinar e testar do cliente antes que os modelos gerais barateiem esse ciclo. A divergência é refutável: se um modelo geral ficar rápido o bastante para fechar ele mesmo o ciclo de controle, a posição do especialista encolhe para trabalho de implantação.

Os trabalhos do Argon ficam ao lado do ciclo de controle

O post do Google para desenvolvedores lista quatro usos robóticos do Argon: controle do robô, Real2Sim, compreensão física, como rotulagem retrospectiva e estimativa de progresso, e pesquisa e autoaperfeiçoamento. A maioria dos exemplos do Google é o trabalho lento. O Google diz que o Argon assistiu a um vídeo bruto de uma pessoa jogando cornhole, mapeou o ambiente, calculou os movimentos de juntas do corpo inteiro e escreveu o código de simulação; no humanoide Apollo, da Apptronik, acertou depois sete arremessos consecutivos. O Google diz que seu fluxo Video-to-Sim-to-Real comprime semanas de modelagem manual de simulação em poucas horas. A partir de uma única foto RGB de uma mesa, diz o Google, o Argon construiu um gêmeo calibrado no MuJoCo, definiu 77 tarefas e gerou mais de 4.500 episódios com aleatorização de domínio para ajustar o VLA, elevando o sucesso no robô real de 56% para 75% e cortando o tempo de conclusão de 35 segundos para 24. Em um braço SO-101 de 6 graus de liberdade, diz o Google, o pega-e-coloca caiu de 58,9 segundos para 17,4 segundos ao longo de três iterações.

O Humanoids Daily informa que o fluxo do cornhole usou feedback de tentativas físicas no robô real; se a sequência ou a cifra de 75% vieram depois de muitas tentativas não contadas, as duas dizem menos sobre confiabilidade do que sete arremessos limpos sugerem. A demo de controle mostra o mesmo ponto: a tarefa da caneca de «controle zero-shot» do Google entrega ao Argon uma imagem da câmera de pulso com uma grade projetada de coordenadas do mundo de 2 cm e primitivas já prontas, como grasp e place_until_contact, então o modelo escolhe entre primitivas em vez de comandar juntas. O Google também já lançou o Gemini Robotics-ER 1.6 para percepção espacial e planejamento de tarefas.

Os modelos de fronteira são cerca de 100 vezes mais lentos que uma pessoa

O AA-Robotics v0.1, da Artificial Analysis, publicado em 14 de outubro, controlou um braço real Hiwonder NexArm de 6 eixos, cinco juntas mais uma garra, por uma API HTTP simples, com quatro câmeras e oito tarefas de mesa, zero-shot. Numa escala de 100 pontos, o GPT-6 Astra obteve 69,4, o GPT-6.1 Sol 64,6, o Gemini 4 Argon 55,3, o Claude Opus 5.5 48,8 e o Claude Fable 5.1 46,3.

O tempo é o resultado mais revelador. A Artificial Analysis mediu os modelos como cerca de 100 vezes mais lentos que um humano, cerca de meia hora por tarefa contra uma média humana de 20 segundos. O Argon foi o mais lento, com 52 minutos, ou 3.120 segundos, cerca de 156 vezes a referência humana; a média de 30 minutos equivale a 90 vezes. O Argon também passou, em média, 21 minutos observando e raciocinando antes da primeira ação, quase o dobro de qualquer outro modelo. A Artificial Analysis calcula o custo por tarefa em US$ 16,36 para o GPT-6 Astra e US$ 1,93 para o GPT-6.1 Sol, e diz que os modelos de linguagem de fronteira são hoje «lentos e caros demais para qualquer tipo de uso em produção», embora espere que isso mude rápido.

Os 87% do Google no ERQA, seu benchmark de Raciocínio Incorporado com 400 perguntas de múltipla escolha sobre raciocínio espacial, ficam ao lado desses números. O Google diz que o resultado vem de raciocínio puro e supera todos os outros modelos de fronteira; o vice-líder Claude Opus 5.5 obteve 82,3% no gráfico do Google. O ERQA mede raciocínio espacial, não se um robô conclui uma tarefa, e o Argon ficou em terceiro quando a Artificial Analysis colocou essa classe de modelo diante de um braço real.

A Pi vende o ciclo, e o ciclo é a aposta

A beta da Pi entrega um ciclo de iteração, não um controlador. Os desenvolvedores enviam dados, iniciam o ajuste fino da família π0 e π0.5 em computação e infraestrutura gerenciadas pela Pi, e rodam o resultado por um gateway de inferência hospedado. A Pi descreve o ciclo como coletar demonstrações, treinar um modelo, testá-lo no robô e usar as falhas para escolher os próximos dados, e escreve: «Criamos a API para os desenvolvedores rodarem esse ciclo de iteração eles mesmos, com nossos modelos mais recentes». A Pi diz que planeja continuar permitindo o acesso a seus modelos mais recentes pela API, e acrescenta: «Quanto mais nossos modelos são usados, mais aprendemos a melhorá-los».

A prova inicial é pequena, mas tem nome. A Pi diz que o robô Axol, de dois braços, da Almond, rebarbou espaçadores usados na própria montagem com um modelo obtido depois de quatro dias iterando pela API, e que a carregadeira de rodas autônoma da Actor encheu um caminhão basculante de material numa implantação comercial em Utah, sem operador dentro. A Pi lista AgRobotics, CloudChef, um parceiro de laticínios, Ultra e Weave entre os demais. A maioria das aplicações rodou em inferência hospedada na nuvem pela API, e a Pi aponta a conectividade de rede como desafio para algumas.

O argumento mais forte contra essa divisão está no próprio post do Google. O controle do robô é a primeira das suas quatro áreas, o Argon escreve código de controle, e o resultado do SO-101 é autoaperfeiçoamento sobre o próprio ciclo que a Pi vende. Se o modelo geral ficar rápido e barato o bastante para rodar esse ciclo sozinho, a iteração hospedada vira commodity e a Pi fica vendendo trabalho de implantação. O Argon terminar em terceiro, atrás de dois modelos GPT-6, mostra que a corrida dos generalistas segue aberta, então o cenário do controlador rápido pode vir de um concorrente. O número a observar é a latência na próxima versão do AA-Robotics: se o tempo por tarefa cair de 52 minutos na direção do parâmetro humano de 20 segundos, o caso de uma empresa separada da camada de treinamento enfraquece junto.