DeepMind公布Argon科研成果

谷歌DeepMind于10月14日公布了借助新一代前沿模型Gemini 4 Argon在量子计算、核聚变和蛋白质设计领域取得的科研成果。DeepMind在官方X账号上表示："Gemini 4 Argon已经在量子计算、核聚变、蛋白质设计等领域开启新的科学突破。"其依据是前一天、即10月13日，谷歌DeepMind高级副总裁兼谷歌首席AI架构师Koray Kavukcuoglu在正式发布文章中介绍的四个案例。谷歌同日宣布，将向1万名科学家免费开放其开发环境Google Antigravity的最高使用等级，为期6个月。

METAL曾报道谷歌DeepMind于10月1日发布Gemini 4 Argon，而10月13日的发布则是面向全球开发者、企业和付费订阅用户同步开放该模型的正式上线。模型通过API、AI Studio、Antigravity、Gemini应用和搜索中的AI模式提供，输入与输出合计最多可处理100万个token。METAL也报道过将同一模型用于机器人仿真的案例。

最亮眼的数字来自量子计算。Argon重新编写了近期量子模拟算法的基础组件反正弦子程序，该实现通过数学证明检验工具Lean完成了形式化验证。据谷歌介绍，与已发表的量子CORDIC基准实现相比，其时空成本降低了100多倍。时空成本是同时衡量运算所需硬件规模和执行时间的指标。Argon也参与了纠错工作。它将基于机器学习的量子纠错解码器AlphaQubit的内部版本转写为单个经过优化的硬件内核，使推理吞吐量提升近一倍。谷歌解释说，解码器必须跟上量子硬件的实时速度，才能扩展到更大的设备。

在核聚变领域，对象是一个有59年历史的数学猜想。仿星器是用扭曲的三维磁场约束高温等离子体的核聚变装置，而自1967年延续至今的格拉德猜想认为，无法为这种磁场找到精确的数学解。马里兰大学的Matt Landreman教授等人近期找到了反例，谷歌研究团队又与Landreman教授合作，发现了范围更广的一类反例。谷歌表示，这些解为检验仿星器设计所用的模拟代码提供了可靠的基准。

生命科学案例分为两条线。Gamow Labs的研究人员用Argon分析了患有罕见发育性肺部疾病新生儿的去标识化基因组，在其中一个病例中，它找出了常规分析软件多年来遗漏的染色体重排，并解释了此前为何未被发现。在Gamow Labs的内部评估中，Argon在罕见病诊断辅助基准RareBench上取得57%，在湿实验推理评估LabBench上取得52.2%，均排名第一。在酶设计方面，它设计了能切断酯键的丝氨酸酯酶。以酯键断开后会在紫外线下发光的基准分子4MU乙酸酯为靶标，Argon在数小时内完成数据收集、模型调优和基于生物化学的筛选，给出了5个新设计。随后的实验室测试确认五个设计均具有催化活性。这类工作通常需要数月的模型调优和候选筛选。

科研软件本身也变快了。谷歌研究人员在Antigravity中用Argon改进了开源量子化学软件包xTB，该软件通过预测分子三维结构来筛选药物和材料候选，结构预测速度最高提升2.3倍，构象搜索提升1.8倍，相关修改已贡献至官方代码库。在智能体开发套件(ADK)上，Argon独立用11小时检查了约800个文件、20.5万行代码的代码库，提出6项优化，经人工审查后合并了2项。长会话中的内存会话准备时间减少40%，冷导入速度提升21%。

发布文章中还收录了外部研究机构的评价。Axiom Bio创始工程师Alex Cabrera表示："我们看到它能对从细胞成像到质谱分析的复杂实验数据进行推理，并做出传统上需要专业科学家才能发现的细微发现。"运营自主AI研究员Qualia的Quadrillion首席科学家Trenton Chang表示，Argon完成评估的速度比同级模型快1.5倍，单任务成本仅为四分之一，并评价称它"在提出新想法、发现问题中不易察觉的洞见方面表现出色"。

METAL查阅的Gemini 4 Argon模型卡原文将Argon描述为大规模稀疏混合专家(MoE)Transformer架构，并注明其知识截止时间为2026年3月。在谷歌于模型卡中公布的科学与数学评估中，Argon在生物学研究任务基准LABBench 2上取得88.8%，在数学推理评估RiemannBench上取得76.0%，领先所有对比模型GPT-6 Astra、Claude Fable 5.1和Claude Opus 5.5。在衡量科学终端任务的Terminal-Bench Science 0.1上，它取得57.6%，落后于GPT-6 Astra的68.1%和Claude Opus 5.5的63.3%。谷歌在发布文章中表示，外部生物领域红队仅能解锁所测试生物子任务中不到1%的部分。模型卡指出，Argon可能表现出幻觉等基础模型的一般局限。

从AI工程师的视角看，四个案例的共同点在于模型并未止步于给出答案，而是进入了验证环节。反正弦实现经Lean证明检验，酶经实验室活性测试确认，格拉德猜想的反例则通过与外部教授的合作研究得到确认。这也是谷歌向1万名科学家开放最高使用等级的原因。它要证明模型的价值不靠基准分数，而靠实验室节省下来的实验时间，而这场检验如今已交到谷歌之外的研究者手中。