🚀 Gemini 4 Argon: 87% на ERQA и генерация симуляций Gemini 4 Argon от Google DeepMind набирает 87% на Embodied Reasoning (ERQA) — бенчмарке, который проверяет физическое и пространственное понимание в 3D без действий, только чистым reasoning. DeepMind заявляет, что каждая другая передовая модель отстаёт. Но ERQA — внутренняя метрика лаборатории, независимых подтверждений пока нет. Argon полезен не ответами, а генерацией исполняемого кода и сред. Модель управляет Boston Dynamics Spot (12-DoF ноги + 6-DoF рука), строит цифрового двойника мусорного ведра в MuJoCo перед тем, как наступить на педаль, и пишет замкнутые циклы управления с `curl`-командами к API робота. Это не демо на трёх примерах: промпты включают проверку камер, группу проверки из двух агентов и code-as-policies примитивы. Модель также реконструирует сцены из видео, ретаргетирует траектории на 76-DoF гуманоида с 22-DoF руками и строит физически корректные симуляции в mujoco_warp. Самый сильный сценарий — генерация симуляционных данных для обучения VLA-моделей. С одного RGB-фото реального стола Argon строит калиброванного двойника, определяет новые задачи и синтезирует 4500+ доменно-рандомизированных эпизодов. Результат на реальном роботе: успешность выросла с 56% до 75%, время выполнения — с 35 до 24 секунд. Это замкнутый цикл: одна модель улучшает другую через симуляцию без ручной разметки. Главный барьер для воспроизведения — не сама модель, а стек Google: MuJoCo, mujoco_warp, Gemini Omni World Model и Blender связаны так, что повторить этот пайплайн с открытыми весами сегодня нечем. ERQA 87% звучит сильно, но проверить его можно только внутри DeepMind. #Gemini4Argon #Robotics #DeepMind #MuJoCo #ERQA