- Gemini 4 Argon 降低量子計算資源需求超過 100 倍。
- 該模型提升機器人成功率，從 56% 增加至 75%。
- Argon 在 11 小時內優化了 Google 的代碼庫，減少開銷約 40%。
- 模型幫助解決核聚變相關的數學問題，推動研究進展。
Google 最近推出了 Gemini 4 Argon，該模型聲稱在量子計算操作中將資源需求降低了超過 100 倍，同時幫助研究人員開發新的數學解決方案以應對核聚變問題，並改善現實世界機器人的性能。在一次演示中，Argon 生成了一個量子算法組件，其時空成本比先前發表的方法低了超過 100 倍。該公司表示，實施過程經過 Lean 系統的正式驗證，這是一種用於檢查數學證明的系統。
機器人性能提升
該模型還幫助研究人員找出與星際聚變反應堆相關的數十年數學問題的新解決方案。在單獨的機器人測試中，通過 Argon 模擬生成的訓練數據使機器人在現實任務中的成功率從 56% 提高至 75%。Google 於 10 月 13 日宣佈這些進展，作為 Gemini 4 Argon 的推出一部分。
在另一個測試中，該模型在 Google 現有的軟件代碼庫上無人值守運行了 11 小時，生成的更改將會話準備的開銷減少約 40%，並將包導入速度提高了 21%。量子計算變得更精簡，量子計算機需要精心設計的操作來執行計算，同時限制錯誤和硬件需求。一些算法依賴於更小的數學組件，稱為子例程，這些子例程會消耗大量計算資源。Gemini 4 Argon 現已推出，全球開發者和企業可在 Gemini API 的付費層級和 Gemini 平台上使用，Google Antigravity 的 Ultra 訂閱者，以及
Gemini 應用程式和 Search 的 Ultra 和 Pro 訂閱者亦可使用。
量子計算資源優化
Google 表示，Argon 優化了用於量子模擬算法的 arcsin 子例程。與已發表的量子 CORDIC 實現相比，新的版本將時空成本降低了超過 100 倍。時空成本衡量執行操作所需的計算資源，考慮了硬件需求和執行時間。這一改進適用於測試的特定子例程，而非整體的量子計算系統。Argon 還優化了 Google 的基於機器學習的量子錯誤更正解碼器 AlphaQubit 的內部版本。
根據 Google 的說法，通過將其轉換為單一硬件優化內核，該模型幾乎將推斷吞吐量翻倍。
該模型的軟件工程能力在 Google 的開源 Agent Development Kit 上進行了測試，這是一個用於構建和部署自主代理的框架。在一次 11 小時的過夜運行中，Argon 檢查了一個包含約 205,000 行代碼的代碼庫，涉及近 800 個文件。它提出了六項優化建議，其中兩項經過人工審查後被接受並合併到項目中。這些更改在長時間會話中將內存中的會話準備開銷減少約 40%，並改善包導入速度 21%。
在獨立基準測試中，158 回合代理的執行時間從 65.6 秒降至 56.1 秒。然而，從啟動新進程到其首次模型請求的時間基本保持不變。
在核聚變研究方面，Google 與馬裏蘭大學的教授 Matt Landreman 合作，識別出更廣泛的反例來反駁 Grad 的猜想，這是一個追溯至 1967 年的數學假設。早期的反例已經對該猜想提出挑戰。新識別的解決方案可能為測試用於設計星際聚變反應堆的模擬軟件提供參考案例，這些反應堆利用複雜的磁場來約束熱等離子體。另一方，Argon 展示了生成物理機器人訓練環境的能力。
從一張桌面的單一照片開始，該模型建立了一個基於物理的模擬，並生成了超過 4,500 次的機器人操作任務訓練。
Gemini 4 Argon 使一個機器人僅通過觀看影片學會玩 corn hole。它映射了物理，編碼了自己的模擬，並教會了 @Apptronik 的 Apollo 人形機器人連續成功投擲 7 次。Google 報告稱，生成的訓練數據使現實世界的機器人成功率從 56% 提高至 75%，同時將任務完成時間從 35 秒減少至 24 秒。在另一個演示中，Argon 幫助 Boston Dynamics 的 Spot 機器人在模擬中練習開啟腳踏垃圾桶，然後再嘗試用實物進行操作。
除了機器人研究外，Gamow Labs 的研究人員還利用 Argon 檢查了來自患有罕見發展性肺部疾病的新生兒的去標識基因數據。Google 表示，該模型識別出了一個常規軟件多年未能發現的染色體重排。這些結果涉及科學研究、軟件工程和物理機器人控制。然而，報告的改進仍然具體於所描述的實驗，這些領域的更廣泛性能尚未確立。
項目 規格 時空成本降低 超過 100 倍 機器人成功率提升 56% 至 75% 任務完成時間減少 35 秒至 24 秒 代碼庫行數 約 205,000 行
Gemini 4 Argon 對機器人和量子計算的影響
Gemini 4 Argon 的推出標誌著量子計算和機器人技術的重要進展。該模型不僅在量子計算資源需求上實現了顯著的降低，還提升了機器人在現實任務中的成功率，顯示出其在實際應用中的潛力。此外，Argon 對核聚變研究的貢獻，可能會推動相關科學的進一步發展，從而對能源領域產生深遠影響。這些進展不僅展示了 Google 在技術創新方面的實力，也為未來的研究和應用奠定了基礎。