一只人形机器人站在奔驰总装线旁，从散乱的料箱里抓起金属支架，转身放进排序托盘。200 次里，它只做错 8 次。
这不是实验室里被精心布置过的演示，而是 Google DeepMind 在匈牙利和德国两条真实运转的汽车生产线上交出的成绩单。2026 年 11 月 10 日，DeepMind 正式发布 Gemini Robotics 2.5，这是迄今最强的视觉-语言-动作（VLA）机器人模型。它不仅能给礼盒系蝴蝶结、用钳子夹糕点、完成移液操作，更关键的是，它已经走进工厂，在奔驰生产线上以 96% 的成功率干起了零部件拣选打包的重复活。
具身智能讲了十年，真正的分水岭往往不是“能做什么”，而是“能在多乱的世界里稳定做多久”。Gemini Robotics 2.5 的意义，正在于它把机器人从“会表演”推向了“能上班”。
现象层：三个数字，一次越界
DeepMind 对 Gemini Robotics 2.5 的评估覆盖了超过 200 项不同任务。结果很直接：相比上一代模型，新模型的任务成功率提升了 30% 到 100%，完成同样任务的速度加快了 20% 到 30%。
更值得关注的是它跨过的两条线。
第一条是灵巧度。过去机器人最头疼的是可变形物体和精细工具，软的东西抓不住，细的动作做不准。Gemini Robotics 2.5 把这类任务变成了展示项：用钳子夹取食物、给礼盒系上蝴蝶结、用移液器处理液体。这些动作共同指向一种接近人类水平的精细操作能力，高级工具使用、对可变形物体的复杂操控、对易碎物品的轻柔处理。
第二条是可靠性。实验室里成功率 90% 听起来不错，但放到每天数千次重复的产线上，10% 的失败意味着频繁停线。奔驰产线 PoC 给出的 96%，才是工业场景真正开始算账的数字。
这两条线合在一起，构成了具身智能从演示走向部署的最小闭环：手要够巧，还要够稳。
为什么是现在？Gemini 4 Argon 把几个月的训练压缩了
Gemini Robotics 2.5 的跃升不是凭空发生的。DeepMind 在官方博客里把很大功劳归于 Gemini 4 Argon，这款发布于 2026 年 10 月 13 日的旗舰模型，充当了机器人训练的“仿真引擎”。
训练机器人最大的瓶颈有两个：真实物理数据太贵，试错成本太高。Argon 的做法是从一段真实摄像头画面生成数千次多样化的模拟练习，构建出物理校准的数字孪生。机器人先在虚拟空间里把动作练熟，再迁移到真机上。Argon 还能回看失败视频，推测失败原因，在仿真和真机上分别测试改进方案，形成自我迭代的闭环。
DeepMind 的说法是，Argon 把原本需要数月的训练周期大幅压缩。这背后的逻辑并不复杂：真实世界的数据稀缺且昂贵，而仿真可以近乎零边际成本地无限生成。谁掌握了更逼真的仿真生成能力，谁就掌握了机器人学习的加速度。
这不是 Gemini 4 Argon 第一次展示物理理解能力。在具身推理基准 ERQA 上，Argon 仅凭纯推理就拿到 87% 的分数，超过当时所有其他前沿模型。把这样一个“物理大脑”嫁接到机器人训练流水线上，Gemini Robotics 2.5 的性能跃升就有了可解释的路径。
奔驰产线的 96%，以及剩下的 4% 有多难
把 Gemini Robotics 2.5 放到奔驰生产线上，是这次发布里最有说服力的一幕。
合作双方是 DeepMind、人形机器人公司 Apptronik 和奔驰。测试地点选在匈牙利 Kecskemét 和德国 Sindelfingen 两条活跃的汽车生产线，是正在运转的产线，不是隔离出来的实验区。执行任务的是 Apptronik 的 Apollo 2 人形机器人，它配备 22 自由度的 SharpaWave 五指手。
具体工作是汽车套件分拣（kitting）：从散装料箱里把金属支架一个个拣出来，按每辆车所需的顺序放进排序容器。这是产线上最重复、最耗体力的环节之一，也是工人最容易疲劳出错的地方。架构上，Gemini Robotics ER（具身推理模型）负责跟踪工作流、规划动作，Gemini Robotics 2.5 这个 VLA 动作模型负责控制手和手臂。机器人需要伸进料箱、抓起金属支架、放进排序容器，并随时修正位置偏差。
最终成功率是 96%。Apptronik 联合创始人兼 CEO Jeff Cardenas 的评价是，模型在短短几周的后期训练后性能就大幅提升，而且迁移到奔驰产线时几乎没有衰减。
但真正的信号藏在剩下的 4% 里。DeepMind 总监 Kanishka Rao 对 Ars Technica 表示，补齐最后 4% 将是一条“陡峭的路”。这句话道出了工业落地的真实难度曲线：从 0 到 90% 靠的是模型能力，从 96% 到 99.9% 靠的是对极端场景的穷尽、对传感器噪声的鲁棒性、对硬件误差的补偿。后者往往比前者更耗时。
DeepMind 机器人业务负责人 Carolina Parada 把这件事说得更直白：“我们可以在某个特定应用上做得很好，代价是牺牲泛化能力；或者我们沿着泛化的方向继续推进，但可能在每个应用上都达不到 99.9%。”
96% 意味着 PoC 成立，机器人可以开始承担单调工作，让技术员腾出手来做更复杂的装配任务。但那 4% 也意味着，大规模无人化部署还需要时间。这是一个诚实的里程碑，而不是一个被夸大的终点。
安全不是选配，是机器人进社会的门票
机器人走出工厂、进入日常环境，安全问题会从“加分项”变成“入场券”。Gemini Robotics 2.5 在安全上做了两层加固。
第一层是物理安全。模型在推理时引入推理引导，实时识别并规避物理危险。如果前方出现障碍，机器人会完全停下或等待，直到安全再继续。DeepMind 的评估数据显示，这一机制让机器人在障碍物周围的安全完成率提升了 33%，在人员附近提升了 43%。换句话说，机器人不再只是“别撞到人”，而是能在复杂环境里主动规划安全路径。
第二层是抗攻击安全。DeepMind 同步开源了一个名为 ASIMOV-Jailbreak 的新基准，包含 1,500 条提示，覆盖数十种场景，专门测试机器人面对伪装成正常请求的不安全指令时的表现。据 DeepMind 官方博客，在这个基准上 Gemini 4 Argon 的越狱抵御率达到 99.5%，而前代 Gemini Robotics ER 2 的成绩是 82%，提升了 17.5 个百分点。
这里需要做一个精确归因：99.5% 是 Gemini 4 Argon 在 ASIMOV-Jailbreak 上的成绩，不是 Gemini Robotics 2.5 本身。但两者同属 DeepMind 的物理智能体系，Argon 负责推理与安全引导，Robotics 2.5 负责动作执行，安全能力的提升会直接传导到机器人身上。
把安全基准开源，是比自说自话更有分量的动作。它意味着 DeepMind 愿意让外界用同一套尺子衡量它，也意味着整个行业在机器人安全上开始形成可比、可复现的评估语言。
云端推理的延迟代价，以及谷歌的“模型层”路线
Ars Technica 注意到一个容易被忽略的细节：当前发布的 Gemini Robotics 2.5 仍运行在云端服务器上，而不是部署在机器人本体。这意味着每一次感知、推理、动作生成都要走一遍网络往返，延迟不可避免。DeepMind 公布的演示视频也被加速了 2 倍，才让机器人看起来更接近人类的流畅度。
这对工厂场景是个现实的约束。产线节拍是按秒计算的，网络抖动、带宽波动、云端排队都可能让“96% 的成功率”在实际部署中打折。云端推理还带来另一个问题：一旦断网，机器人就失去了大脑。机载模型算力不足，云端模型延迟太高，这是具身智能在落地前必须解开的结。
这也引出了谷歌的产品策略。与特斯拉 Optimus 那种“自研硬件加自研模型”的垂直整合路线不同，谷歌选择做机器人时代的“安卓”，把最强的模型做成通用层，适配各种硬件载体，让合作伙伴去百花齐放。Gemini Robotics 2.5 原生支持多种机器人硬件，已确认的包括 Apptronik Apollo 2 人形机器人（五指 22 自由度 SharpaWave 手）、Franka Duo 双臂平台（平行夹爪），合作伙伴则涵盖 Agile Robots、Apptronik、Boston Dynamics 等。
这条路线的优势是生态扩张速度快。Apptronik、Boston Dynamics、Agile Robots、Franka 等都可以接入同一个模型层，各自发挥硬件特长。风险在于，模型层与硬件之间的协同优化不如垂直整合深入，端到端的性能上限可能受影响。
从发布范围看，Gemini Robotics 2.5 目前通过谷歌的机器人合作伙伴计划开放，尚未公布公共 API 访问或定价，模型权重、推理端点和训练代码也均不可用。这意味着它离真正的开发者普惠还有一段距离，现阶段更像是面向产业伙伴的“定向供水”。
物理 AGI 的路上，谷歌又往前挪了一大步
把 Gemini Robotics 2.5 放在更大的坐标系里看，它是谷歌物理 AGI 拼图的又一块。从 Gemini Robotics 1.0 把 AI 带进物理世界，到 1.5 引入智能体，到 2.0 带来全身智能，再到 2.5 在灵巧度、可靠性、安全性上全面跃升，迭代速度快得惊人。
这场竞赛的终局不是单一模型的胜负，而是谁能先构建起“数据、仿真、训练、部署”的飞轮。谷歌手里握着 Gemini 4 Argon 这个仿真与推理引擎，握着 DeepMind 的算法积累，握着 Apptronik、奔驰这样的落地伙伴，飞轮的雏形已经出现。
但也要看到，96% 的产线成功率仍是 PoC 级别，离 99.9% 的工业级可靠性还有距离；模型运行在云端，延迟和断网问题尚未解决；模型尚未对公众开放，生态规模还受限于合作伙伴网络；安全基准刚刚建立，长期表现仍需时间检验。
具身智能的奇点不会以“某天突然什么都会了”的方式到来，它会以一个个 96%、一个个真实产线、一个个被攻克的蝴蝶结这样的方式，悄悄逼近。
机器人学会系蝴蝶结不难，难的是在轰鸣的产线上，日复一日地把同一件事做对 96 次。谷歌这一步，让 AI 从屏幕里走了出来，它不再只是回答问题，而是开始动手做事。物理 AGI 的终点，不是更像人的机器，而是终于能和人一起工作的机器。
快报