Google 发布 Gemini 4 Argon,主打机器人任务统一模型
Google 发布 Gemini 4 Argon,主打用单一模型覆盖机器人控制、仿真生成和训练数据评估全流程,已在 Google AI Studio、Antigravity 环境和 Gemini API 向 AI Ultra 订阅用户开放。
Google 发布 Gemini 4 Argon,主打用单一模型覆盖机器人控制、仿真生成和训练数据评估全流程,已在 Google AI Studio、Antigravity 环境和 Gemini API 向 AI Ultra 订阅用户开放。
Google 开始向付费用户推广 Gemini 4 Argon 模型,目前只在付费档位开放,较低档位也无法获得完整访问权限,能力仍以发布前公布的基准结果为准。
Google DeepMind 发布 Gemini 4 Argon,主打物理理解、代码生成与视觉-语义推理,在 ERQA 基准上以纯推理取得 87%,超过其他前沿模型。
推荐理由:Gemini 4 Argon 把能力铺到机器人控制、Real2Sim、物理理解和自改进四条主线,并附上可直接复用的代表性 Prompt。
AI 公司 Odyssey 公开了生成式世界模型 Odyssey-3 的研究预览版,用户可通过文本提示生成实时交互环境并免费体验。基础模型参数为 14B,采用自回归扩散 Transformer,基础版输出 832×480,Pro 版支持 1280×720。
Reka AI 发布研究预览版 omni 模型 Rho-1(19B 参数),用单一神经网络统一处理文本、图像、视频与机器人控制。各类模态以 token 形式跑在同一共享上下文窗口,无需外部模型或工具调用,模型可实时生成连续视频并即时响应新指令。训练使用 320 张 H100 GPU,历时约三个月。
Google DeepMind 发布 Gemini Robotics ER 2,这是面向机器人的具身推理模型,支持视频理解、任务编排和多机器人协作,已通过 Gemini API、Google AI Studio 向开发者开放,并在 Gemini Enterprise Agent Platform 上私测。
推荐理由:原文给出了进度分类与时刻定位的具体准确率和延迟数据,可据此判断高层推理模型在机器人任务编排上的能力边界。
Google DeepMind 发布 Gemini Robotics 2,由三款模型组成,为机器人提供全身控制、灵巧操作与多机协作能力。
推荐理由:三款模型分别负责动作执行、具身推理与端侧运行,读者可了解机器人全身控制、多机协作与安全约束的当前进展。
NVIDIA 发布 Cosmos-H-Dreams 实时生成式手术模拟器,将 Cosmos-H-Surgical-Simulator 蒸馏为少步因果学生模型,并在单块 NVIDIA RTX PRO 6000 GPU 上通过 FlashDreams 实现实时闭环控制。
Mistral AI 发布 Robostral Navigate,这是一款 8B 参数的机器人导航模型,仅凭单目 RGB 相机即可让机器人在未见环境中自主导航,在 R2R-CE 验证集 unseen 上达到 76.6% 成功率。该模型比最佳单相机方案高 9.7 个点、比多传感器方案高 4.5 个点,并采用 CISPO 在线强化学习(再提升 3.2%)。
Google DeepMind 发布 Gemini Robotics-ER 1.6,作为推理优先的机器人模型升级版,在指点、计数、成功检测等空间与物理推理上较 Gemini Robotics-ER 1.5 和 Gemini 3.0 Flash 有明显提升。
推荐理由:相比 1.5 与 Gemini 3.0 Flash,新模型新增仪表读数能力,可了解机器人具身推理的进展与开放入口。