谷歌物理真觉醒！全新Gemini 4 Argon一大波实测来了

新智元报道 谷歌Gemini 4 Argon真的来了。 一度被认为掉队的谷歌，终于杀回来了。 根据跑分，它在文本、逻辑上跟GPT-6 Astra和Claude Opus 5.5打得有来有回。 价格上，它做到了只有对手的五分之一，速度快了数倍！ 更惊人的是，它是第一个让人感觉「同时具备图像、视频、语言甚至物理直觉」的通用物理推理模型。 有人惊呼：Gemini 4 Argon开始懂物理了！ 沃顿商学院教授Ethan Mollick的体感是：Gemini 4和其他模型截然不同，其他模型，多多少少和Claude/GPT有微妙的类似。 Gemini 4 Argon究竟效果如何？我们自己的实测来了。 我们的实测体验 实测1：傅里叶级数「手搓」骑单车鹈鹕 以前测大模型，都是测「鹈鹕骑自行车」SVG。 但在X上，一位博主的实测把难度拉满：它让Argon用傅里叶轮转圆生成一版鹈鹕骑自行车。 他的体感是：Argon对世界有惊人的直觉式理解，采用第一性原理。 我们用Aagon也实测了一个，令人惊喜的是，Argon瞬间领悟了傅里叶级数逼近闭合曲线的几何本质！ 在末端，它直接「算」出了踩踏板的鹈鹕轮廓。 实测2：3D应县木塔 接下来，我们让它生成3D版的应县木塔。 看起来很精美，但还不够震撼，而且并不是真正的应县木塔。我们干脆给它一个提示图。 原来的五层结构，现在只能分辨出 4 层 这一次，它生成的3D图还不错。 大招来了！我们要它生成一个生动的解释构造视频，要有大片感。 它生成的视频自带解说，还是中文版的，不过仔细听，发音有点搞笑。 实测3：深海探险泰坦尼克号 最近，小编沉迷于各种AI科普视频无法自拔，那就让Argon来生成最近我看过的印象深刻的一个AI视频—— 让机器人带我们去深海，还原当年泰坦尼克号的海难现场。 它生成的两版视频都只有10s，还无法生成更长的视频。要求不高的话，其实质量已经可用了。 另外，中文口音依然搞笑。 实测4 ： 科学推理能力大检验 据悉，Gemini 4 Argon已经突破了不少硬核科学领域，比如完成量子计算，解决核聚变问题，做出染色体重拍的罕见病诊断，设计5个高活性新酶等等。 那我们就实测一下，Gemini 4 Argon的科学推理能力究竟有多强。 三维恒星器超导线圈与核聚变磁面求解 既然Argon找到了核聚变「格拉德猜想」的新反例，我们直接让它用纯代码手搓一个三维恒星器磁场求解器。 这直接体现了Argon的前沿计算物理与三维微分几何能力：它能把磁流体力学平衡方程和超导线圈的空间拓扑，准确转化为视觉仿真。 接着，我们复刻了X上高赞的「特斯拉三相交流感应电机工作原理」实测。 这体现出，Argon有极强的多物理场（电磁-机械）耦合推理能力。 它生成的demo中，不仅三维机械结构同轴对齐，连右手螺旋定则、三相相位差与洛伦兹力转矩的因果链条也分毫不差。 遗憾的是，我们本来还想测更多例子，但是作为在月付20美元的Pro用户，还没测几个case，我们的额度就到顶了。 接下来的，就是其他网友的实测。 纯代码手搓3D， 视觉与空间推理的「神」？ Gemini 4 Argon刚一上线，各路实测Case就到处飞了。 对于它的3D生成和空间视觉语义推理，大部分网友给出好评。 网友 @Bhavani_00007 仅通过一段提示词，Argon就生成一个逼真的3D图书馆。 他的评价是：这是个性能怪兽！ 我从未期望过任何大模型能有如此逼真的细节。这太难被超越了。 的确，很多网友晒出的case中，Argon在3D和复杂动效代码上创造力十足。 有人用Argon结合Nano Banana，纯用 three.js 从零生成一架未来感3D武装直升机。 开发者随便让它「在.html文件里做点酷的」，Argon直接甩出了四个物理级视觉特效，看起来酷毙了！ 它还能直接复刻《我的世界》。 网友 @notjazii 花了19分钟，消耗630万tokens，在Devin中仅花3美元，就让Argon生成了一个完美的Minecraft克隆版。 还有人让它生成一座不可能的博物馆。 @pankajkumar_dev 测试了3D场景生成，直呼「它的3D速度和创造力完全是另一个维度的存在」。 Gemini 4一个最大的优势，就是跟Claude和Astra有不同的个性和审美风格。 正面硬刚 Opus 5.5 与 GPT-6 Astra，成本超低 真正让用户满意的，是Argon的极致性价比。 我们来看看几组对对比。 Round 1：Argon vs Claude Opus 5.5 (果冻花园 3D测试) 开发者 @marcthecreatorr 用相同提示词测试。 Opus 5.5： 耗时 30 分钟，花费约 12.50 美元。 Gemini 4 Argon： 耗时 15 分钟，花费约 5 美元。 结果，Argon不仅色彩更丰富、细节更到位，而且速度快了将近4倍，成本还不到一半！ 另一位开发者 @notjazii 也得出了几乎一样的结论（Opus 15分钟/8.2刀 vs Argon 13分钟/1.2刀），直呼「谷歌团队这次真做出好东西了」。 Round 2：Argon vs GPT-6 Astra (性能与成本碾压) 网友 @xKaka1456的结果更夸张。 Astra： 耗时 25 分钟，成本 11 美元。 Argon： 耗时 3 分钟，成本 0.5 美元。 速度差了8倍多，成本差了整整22倍！ 而在视觉基础任务（如目标检测、密集场景、小文本/手写文本/复杂表格提取）上，有网友宣布：「Astra 被赶下神坛，Gemini 4 Argon 是目前最好的视觉模型，而且在High模式下比Astra便宜4倍。」 真正的杀手锏——AI终于懂物理了！ 谷歌在官博里这样定位Gemini 4 Argon： 一款通用物理推理模型 。 它被设计用来打通机器人技术栈中的物理理解、代码生成与视觉语义推理 在具身推理（ERQA）基准测试中，Argon仅凭纯推理就拿下了87%的高分，碾压所有前沿模型。 这意味着，AI可以通过看视频，直接在现实世界中控制物理实体。 案例1：机器人学人类扔沙包 谷歌让Argon看了一段人类玩「扔沙包」的普通视频。 然后，Argon自己测绘了环境，计算了全身关节运动，然后自主构建了仿真代码在虚拟世界里疯狂练习。 最后，当这些数据被传输到Apollo人形机器人身上时，这台机器人在现实测试中，连续7次命中！ 正如大V@StockSavvyShay 所言： 如果机器人能从普通视频中学习物理技能，那么谷歌庞大的 YouTube 视频库，将成为它在物理AI时代无需自己造机器人就能称霸的最大护城河。 案例2：从手绘草图到精准的物理投掷 开发者只需拍一张纸上的粗糙草图（比如画一个机器人在桌子上扔球砸倒箱子）。 Argon就能自动构建GPU加速的MuJoCo物理场景，合成一个完美的76自由度全身+五指投掷轨迹，在仿真中验证砸倒目标的物理定律，最后导出高清渲染视频。 整个过程，AI完全理解了重力、动量和碰撞！ 案例3：视觉闭环找出「异常重量的球」 面对经典的「12小球称重谜题」，Argon能够自己写出一个纯视觉闭环控制器。 它控制两只Franka机械臂，只用RG