Gemini 4 Argon 与 Pi API 同日发布：通用模型做机器人的慢层，AA 实测一次任务 52 分钟

10 月 13 日，谷歌把 Gemini 4 Argon 同步开放到 Gemini API 付费层、AI Studio 和 Google Antigravity（面向 Google AI Ultra 订阅者）；同一天，Physical Intelligence（Pi）开放了 API 公测，开发者可以上传数据、在 Pi 管理的算力上微调 π0 与 π0.5，再通过它的托管推理网关调用微调后的模型。

两家公司对同一件事给出了两种答案。通用模型这次进入机器人，做的是慢层那一环：搭仿真、标数据、估计进度、写控制代码；Pi 想做的，是在通用模型把"采集、训练、测试"这个循环做得足够便宜之前，先替客户把循环跑起来，用 API 把数据和模型的使用留在自己手里。

Argon 先搭仿真，再写控制代码

谷歌在开发者博客里把 Argon 的机器人用途分成四类：机器人控制、Real2Sim、物理理解（事后标注、密集价值函数、进度估计），以及研究与自我改进。它称 Argon 在 ERQA（具身推理）上拿到 87%，靠"纯推理"超过其它所有前沿通用模型，谷歌图表里的第二名是 Claude Opus 5.5 的 82.3%。

这个分数要看它测什么。ERQA 是 400 道图文选择题，考空间推理，不是机器人把活干完的成功率。真机成绩在别处：谷歌称，Argon 看了一段人投沙包（cornhole）的原始视频，自己重建环境、算出全身关节动作、写出仿真代码，随后在 Apptronik 的 Apollo 人形机器人上连续命中七球。同一套从视频到仿真的管线，谷歌称把过去要几周的手工建模压到几小时，仿真到现实这类数字孪生工作，正好落在 Argon 的能力范围里。

桌面上的演示更具体：给一张真实桌面的 RGB 照片，Argon 建成一个标定好的 MuJoCo 数字孪生，定义 77 个任务，生成 4500 多个域随机化回合，用于 VLA 微调；谷歌称真机成功率从 56% 升到 75%，完成时间从 35 秒降到 24 秒。它还演示过一次"零样本控制"抓杯子，提示词里给的是腕部相机图像、每隔 2 厘米的世界坐标网格，以及抓取、贴面放置这些预置动作。自我改进那类，是 SO-101 六自由度机械臂在三次迭代里把抓放时间从 58.9 秒压到 22.9 秒，再压到 17.4 秒。据 Humanoids Daily，投沙包的流程里本来就包含真机试投后的反馈调整；如果七连中和 75% 的背后是大量没有计入的尝试，这两个数字反映的可靠性就要打折扣。谷歌此前还单独推出过 Gemini Robotics-ER 1.6，负责空间感知和任务规划。

AA 实测：一次桌面任务 52 分钟

10 月 14 日，Artificial Analysis 发布 AA-Robotics v0.1，把前沿语言模型放到真机上跑分。测试让语言模型在编程代理框架里，用一个简单的 HTTP 接口控制真机：一台 6 轴 Hiwonder NexArm，5 个关节加一个夹爪，桌面四周三台相机加腕部一台，八个桌面任务，全部零样本，完成得 100 分，有进展给部分分。

分数上，GPT-6 Astra 以 69.4 领先，GPT-6.1 Sol 64.6，Gemini 4 Argon 55.3，Claude Opus 5.5 48.8，Claude Fable 5.1 46.3。Argon 在推理测验里第一，到真机上排第三。

速度是另一回事。据 Artificial Analysis，这些模型比人类慢约 100 倍，平均每个任务约 30 分钟，而人类的平均用时是 20 秒。Argon 是最慢的一个，平均 52 分钟，它在出手前平均先观察、推理 21 分钟，几乎是其他任何模型的两倍。换算一下：30 分钟等于 1800 秒，是人类 20 秒的 90 倍；52 分钟等于 3120 秒，约 156 倍。成本也拉开了距离，GPT-6 Astra 每个任务 16.36 美元，GPT-6.1 Sol 1.93 美元。

Artificial Analysis 自己的结论是，前沿语言模型今天"太慢、太贵，没法用于任何生产场景"，但它预计这一点会很快改变。

Pi 把采集、训练、测试打包成 API

Pi 的 API 走的是另一条路。开发者上传示范数据，在 Pi 管理的算力和基础设施上启动微调（π0 / π0.5 系列），再通过托管的推理网关调用微调后的模型。Pi 这样描述客户的循环：采集示范、训练模型、在机器人上测试，再用失败的结果决定下一批采什么数据。它的原话是："我们做这个 API，就是让开发者用我们最新的模型自己跑这个迭代循环。"

Pi 给了两个例子。Almond 的双臂机器人 Axol 给自己装配要用的垫片去毛刺，用的模型是和 Pi 的 API 迭代四天之后得到的。另一家 Actor 的无人轮式装载机在犹他州把物料铲进自卸卡车，是真实的商用部署，驾驶室里没有人。Pi 称，它计划继续通过 API 让开发者用到它最新、最强的模型，也说过一句直白的话："我们的模型被用得越多，我们就越知道怎么改进它们。"多数展示出来的应用跑在云端的 API 推理上，Pi 也列出了网络连接带来的麻烦。

最可能推翻这套分工的，正是 Artificial Analysis 那句"很快会改变"。如果通用模型把单次任务的延迟和成本压到可接受的水平，能自己闭合感知、推理、动作这条控制回路，Pi 这种替客户跑闭环的位置就会缩到部署和服务。对谷歌同样成立：Argon 现在是最慢的，说明"慢层"眼下更像它最站得住的位置。把一个 400 道选择题的 87% 当成机器人能干活的证据并不牢靠，AA 给 Argon 的真机分数是 55.3。

分工最终由速度决定，而这条曲线正在被 AA 这样的真机测试一段段记下来。下一次 AA-Robotics 更新时，如果 Argon 的 52 分钟掉到几分钟以内，Pi 要守的就不止是接口，还有它和客户之间的那套数据关系。