- Gemini 4 Argon 降低量子计算资源需求超过 100 倍。
- 该模型提升机器人成功率，从 56% 增加至 75%。
- Argon 在 11 小时内优化了 Google 的代码库，减少开销约 40%。
- 模型帮助解决核聚变相关的数学问题，推动研究进展。
Google 近期推出了 Gemini 4 Argon，该模型声称在量子计算操作中将资源需求降低了超过 100 倍，同时帮助研究人员开发新的数学解决方案以应对核聚变问题，并改善现实世界机器人的性能。在一次演示中，Argon 生成了一个量子算法组件，其时空成本比先前发表的方法低了超过 100 倍。该公司表示，实施过程经过了 Lean 系统的正式验证，这是一种用于检查数学证明的系统。
机器人性能提升
该模型还帮助研究人员找出与恒星聚变反应堆相关的数十年数学问题的新解决方案。在单独的机器人测试中，通过 Argon 模拟生成的训练数据使机器人在现实任务中的成功率从 56% 提高至 75%。Google 于 10 月 13 日宣布这些进展，作为 Gemini 4 Argon 推出的一部分。
在另一个测试中，该模型在 Google 现有的软件代码库上无人值守运行了 11 小时，生成的更改将会话准备的开销减少约 40%，并将包导入速度提高了 21%。量子计算变得更精简，量子计算机需要精心设计的操作来执行计算，同时限制错误和硬件需求。一些算法依赖于更小的数学组件，称为子例程，这些子例程会消耗大量计算资源。Gemini 4 Argon 现已推出，全球开发者和企业可在 Gemini API 的付费层级和 Gemini 平台上使用，Google Antigravity 的 Ultra 订阅者，以及
Gemini 应用程序和 Search 的 Ultra 和 Pro 订阅者亦可使用。
量子计算资源优化
Google 表示，Argon 优化了用于量子模拟算法的 arcsin 子例程。与已发表的量子 CORDIC 实现相比，新版本将时空成本降低了超过 100 倍。时空成本衡量执行操作所需的计算资源，考虑了硬件需求和执行时间。这一改进适用于测试的特定子例程，而非整体的量子计算系统。Argon 还优化了 Google 基于机器学习的量子纠错解码器 AlphaQubit 的内部版本。
根据 Google 的说法，通过将其转换为单一硬件优化内核，该模型几乎将推理吞吐量翻倍。
该模型的软件工程能力在 Google 的开源 Agent Development Kit 上进行了测试，这是一个用于构建和部署自主代理的框架。在一次 11 小时的过夜运行中，Argon 检查了一个包含约 205,000 行代码的代码库，涉及近 800 个文件。它提出了六项优化建议，其中两项经人工审查后被接受并合并到项目中。这些更改在长时间会话中将内存中的会话准备开销减少约 40%，并改善包导入速度 21%。
在独立基准测试中，158 回合代理的执行时间从 65.6 秒降至 56.1 秒。然而，从启动新进程到其首次模型请求的时间基本保持不变。
在核聚变研究方面，Google 与马里兰大学的教授 Matt Landreman 合作，识别出更广泛的反例来反驳 Grad 猜想，这是一个追溯至 1967 年的数学假设。早期的反例已经对该猜想提出挑战。新识别的解决方案可能为测试用于设计恒星聚变反应堆的模拟软件提供参考案例，这些反应堆利用复杂的磁场来约束热等离子体。另一方面，Argon 展示了生成物理机器人训练环境的能力。
从一张桌面的单张照片开始，该模型建立了一个基于物理的模拟，并生成了超过 4,500 次机器人操作任务训练。
Gemini 4 Argon 使一个机器人仅通过观看视频学会玩 corn hole。它映射了物理，编写了自己的模拟，并教会了 @Apptronik 的 Apollo 人形机器人连续成功投掷 7 次。Google 报告称，生成的训练数据使现实世界的机器人成功率从 56% 提高至 75%，同时将任务完成时间从 35 秒减少至 24 秒。在另一个演示中，Argon 帮助 Boston Dynamics 的 Spot 机器人在模拟中练习开启脚踏垃圾桶，然后再尝试用实物进行操作。
除了机器人研究外，Gamow Labs 的研究人员还利用 Argon 检查了来自患有罕见发育性肺部疾病的新生儿的去标识基因数据。Google 表示，该模型识别出了一个常规软件多年未能发现的染色体重排。这些结果涉及科学研究、软件工程和物理机器人控制。然而，报告的改进仍然具体于所描述的实验，这些领域的更广泛性能尚未确立。
项目 规格 时空成本降低 超过 100 倍 机器人成功率提升 56% 至 75% 任务完成时间减少 35 秒至 24 秒 代码库行数 约 205,000 行
Gemini 4 Argon 对机器人和量子计算的影响
Gemini 4 Argon 的推出标志着量子计算和机器人技术的重要进展。该模型不仅在量子计算资源需求上实现了显著的降低，还提升了机器人在现实任务中的成功率，显示出其在实际应用中的潜力。此外，Argon 对核聚变研究的贡献，可能会推动相关科学的进一步发展，从而对能源领域产生深远影响。这些进展不仅展示了 Google 在技术创新方面的实力，也为未来的研究和应用奠定了基础。