Gemini 4 Argon发布： 量子计算成本削减 100 倍

从更快的量子操作到机器人训练，谷歌的新模型在多项研究任务中展现出可衡量的提升。

谷歌发布了 Gemini 4 Argon，一种新模型。谷歌称，它将某项量子计算操作的资源需求降低了 100 倍以上，同时帮助研究人员为核聚变开发新的数学解，并提升真实世界中的机器人性能。

在一项演示中，Argon 生成了一个量子算法组件，其时空成本比此前发表的方法低 100 倍以上。该公司表示，该实现使用 Lean（一个用于检查数学证明的系统）进行了形式化验证。

该模型还帮助研究人员找到了与仿星器聚变反应堆相关的一个已有数十年历史的数学问题的新解。在另一组机器人测试中，通过 Argon 模拟生成的训练数据将机器人在真实世界任务中的成功率从 56% 提升到 75%。

谷歌于 10 月 13 日作为 Gemini 4 Argon 发布的一部分宣布了这些进展。在另一项测试中，该模型在谷歌现有软件代码库上无人值守工作了 11 个小时，所产生的修改将会话准备开销降低了约 40%，并将包导入速度提高了 21%。

量子计算变得更轻量

量子计算机需要精心设计的操作，以便在执行计算的同时限制错误和硬件需求。一些算法依赖被称为子程序的较小数学组件，而这些子程序可能消耗大量计算资源。

Gemini 4 Argon 来了。

即日起，全球的开发者和企业可在 Gemini API 和 Gemini 平台的付费层级中使用；Google Antigravity 的 Ultra 订阅用户，以及 Gemini 应用和搜索中的 Ultra 和 Pro 订阅用户也可使用。

希望大家喜欢！
pic.twitter.com/2jyAgqoylU
——桑达尔·皮查伊（@sundarpichai）2026 年 10 月 13 日

谷歌表示，Argon 优化了量子模拟算法中使用的反正弦子程序。与已发表的量子 CORDIC 实现相比，新版本将时空成本降低了 100 倍以上。

时空成本衡量执行一项操作所需的计算资源，同时考虑硬件需求和执行时间。这一改进适用于所测试的特定子程序，而非整个量子计算系统。

Argon 还优化了 AlphaQubit 的内部版本；AlphaQubit 是谷歌基于机器学习的量子纠错解码器。据谷歌称，通过将其转换为单一硬件优化内核，该模型将推理吞吐量几乎提高了一倍。

该模型的软件工程能力在谷歌开源 Agent Development Kit 上进行了测试；这是一个用于构建和部署自主智能体的框架。

在一次 11 小时的夜间运行中，Argon 检查了一个包含近 800 个文件、约 205,000 行代码的代码库。它提出了六项优化，其中两项经人工审查后被接受并合并到项目中。

这些修改在长会话期间将内存中的会话准备开销降低了约 40%，并将包导入速度提高了 21%。

在一项独立基准测试中，一次 158 轮的智能体运行从 65.6 秒缩短到 56.1 秒。然而，从启动新进程到发出首次模型请求的时间基本没有变化。

聚变方程遇上机器人技术

在核聚变研究中，谷歌与马里兰大学教授马特·兰德雷曼合作，识别出更广泛的一类格拉德猜想的反例。格拉德猜想是一个可追溯至 1967 年的数学假设。

早先的反例已经对该猜想提出了挑战。新识别出的解可以为测试用于设计仿星器的模拟软件提供参考案例；仿星器利用复杂磁场来约束高温等离子体。

另外，Argon 展示了其为实体机器人生成训练环境的能力。

该模型从一张桌面照片开始，构建了一个基于物理的模拟，并为机器人操作任务生成了 4,500 多个训练回合。

Gemini 4 Argon 仅通过观看视频就教会机器人玩投沙包游戏。

它映射物理规律，编写自己的模拟，并教 @Apptronik 的 Apollo 人形机器人连续投中 7 次。
pic.twitter.com/JIyoKnVc4q
——Google DeepMind（@GoogleDeepMind）2026 年 10 月 13 日

谷歌报告称，由此产生的训练数据将真实世界机器人的成功率从 56% 提高到 75%，同时将任务完成时间从 35 秒缩短到 24 秒。

在另一项演示中，Argon 帮助波士顿动力公司的 Spot 机器人先在模拟中练习打开脚踏式垃圾桶，然后再用实物尝试该任务。

除机器人技术外，伽莫夫实验室的研究人员使用 Argon 检查了患有罕见发育性肺病的新生儿的去标识化基因数据。谷歌表示，该模型识别出了一种传统软件多年来一直漏掉的染色体重排。

这些结果横跨科学研究、软件工程和实体机器人控制。然而，所报告的改进仍仅限于文中所述的实验，这些领域中的更广泛性能尚未得到证实。

如果朋友们喜欢，敬请关注“知新了了”！