研究とモデル 2026年10月14日

今日 · 10 月 13 日

Argon、身体性推論で他モデル超え——第三者の再測定はない

Google DeepMind は、Gemini 4 Argon が身体性推論のベンチマーク ERQA で 87% を取り「ほかのすべてのフロンティアモデルを上回る」と自ら報告した。机の上の写真一枚からシミュレーション環境を作って 4,500 件超のデータを合成し、実機ロボットの成功率を 56% から 75% に上げる実演も示した。 原文：「Using pure reasoning, Argon scores 87%, outperforming every other frontier model.」実演の段落は、合成データが「boosting real-world physical robot Success Rate from 56% to 75%」とし、完了時間は 35 秒から 24 秒に縮んだ（Google DeepMind、2026-10-13）。87% はベンチマークの点数で、56% から 75% は机上のタスク一つを実機で試した前後比較だ。二つの数字が測っているものは違う。モデル間の比較に第三者の再測定はなく、試行回数は原文に書かれていない。本紙には、まだ確定していない判断が一つある。産業用とロボットの AI の競争は独自データ、ハードとソフトの一体調整、工場内での推論で決まり、モデルの規模では決まらない、という判断だ。根拠は主に、ロボット企業 Standard Bots の幹部一人のインタビューである。今日の DeepMind の実演は、一点でこれと逆を向く。訓練データは汎用モデルがシミュレーション環境で合成できる、という点だ。この実演は一つのタスクだけで、独自データがもう鍵ではないと言うには足りない。どちらも自己申告で、本紙は両方を保留する。第三者がタスク一つの外で合成データの効果を再現したとき、本紙はこの判断を見直す。 どう確かめたか →