Google DeepMind发布Gemini Robotics 2.5，称搭载该模型的Apollo 2人形机器人在奔驰汽车零件配套概念验证中达到96%成功率，并提升精细操作能力与执行速度。但这一厂商披露的特定试点结果尚缺完整样本、运行周期和成本数据，不能等同于整条产线自动化率或规模部署能力。
Google DeepMind于2026年11月10日发布Gemini Robotics 2.5，试图把机器人模型的进步从实验室里的动作演示，推进到真实工厂中的重复作业。最具体的证据来自奔驰生产线：DeepMind称，搭载新模型的Apptronik Apollo 2人形机器人，在汽车零件配套概念验证中达到96%的成功率。
这一结果有明确边界。它是DeepMind公布的特定试点表现，而非独立机构的复测，也不是整条生产线的自动化率。按照官方发布说明，Gemini Robotics 2.5正向机器人合作伙伴逐步推出；这次公告并不意味着所有开发者都能直接调用这一动作模型。
奔驰试点究竟让机器人做了什么？
DeepMind披露，概念验证在匈牙利凯奇凯梅特（Kecskemét）和德国辛德芬根（Sindelfingen）的奔驰生产线上进行。Apollo 2承担的是汽车零件配套，也就是从散装料箱中取出零件，再按每辆汽车所需的顺序放入对应容器，为后续装配做好准备。
公告具体描述了机器人抓取金属汽车支架、放入排序容器并纠正流程缺漏的过程。这不同于让人形机器人独立完成汽车装配：它针对的是生产流程中边界较清楚、重复性较高的准备工序。
系统内部也有分工。具身推理模型Gemini Robotics ER负责跟踪工作流程，Gemini Robotics 2.5则控制机器人的手和手臂。DeepMind的ER模型说明将这种架构解释为：高层模型理解环境、规划多步任务，再把运动执行交给较低层的视觉—语言—动作模型，即VLA。
这种分工的重要性在于，“知道下一步该拿哪个零件”和“把零件稳妥抓起来”不是同一个问题。试点中的96%来自这套系统在特定任务中的表现，不能简单理解为单一模型在所有工业场景下都具备同等可靠性。
公告没有披露足以独立复算这一指标的完整样本量、试点运行周期及详细失败判定口径，也没有给出单次操作耗时、人工介入频率或长期停机情况。因而，目前还无法仅凭这一百分比判断它能否持续满足生产节拍，或者为工厂节省多少成本。11月10日是结果的公开披露日期，公告未说明试点具体何时启动。
2.5版的新增重点，是精细操作与稳定性
Gemini Robotics 2.5是一款VLA模型，把视觉与语言输入连接到机器人动作。DeepMind称，评估覆盖约200项不同任务，包括用夹子夹取食物、在礼盒上系蝴蝶结，以及用移液器转移液体。这些任务涉及工具使用、柔性物体操作和易损物体处理，比单纯把刚性物体从一个位置搬到另一个位置提出了更多要求。
根据公司公布的评估，与此前基线相比，新模型在不同任务类型上的成功率提高30%至100%，完成任务的速度提高20%至30%。这些是厂商报告的相对提升区间，不是成功率增加了30至100个百分点，也不能据此认定机器人在任何任务上都更快、更可靠。正文未列出足以把这些区间逐项对应到具体基线、任务和样本的完整结果。
新模型支持的硬件包括配有五指、22自由度SharpaWave手的Apollo 2，以及使用双指平行夹爪的Franka Duo平台。不过，全身控制、五指手操作和不同机器人形态之间的适配，并非全部始于此次发布。DeepMind在2026年7月30日发布Robotics 2时已介绍全身动作、精细操作和多机器人协作，本站当时的相关报道也梳理了这一模型家族的分工。
因此，2.5版值得关注的新进展，是动作模型在操作范围、成功率和速度方面的更新，以及这次新披露的奔驰生产线验证，而不是机器人第一次学会全身移动。
安全指标不能与产线成功率混为一谈
DeepMind称，2.5版利用推理时的指导机制，让机器人在执行动作时避开物理危险。公司评估显示，在障碍物附近和人员附近，安全完成任务的表现分别提高33%和43%。这些数字反映特定评估中的改进，不等于现实部署已获得普遍适用的安全保证。
公告还介绍了ASIMOV-Jailbreak机器人安全测试，并称Gemini 4 Argon在其中达到99.5%的越狱抵抗率。这里受测的是Argon对伪装不安全请求的抵抗能力，既不是Gemini Robotics 2.5的工厂作业成功率，也不能转换为机器人在人员身边运行的安全概率。
模型之外，硬件和现场控制同样决定部署边界。Apptronik的Apollo 2产品说明介绍了检测到物体进入指定范围时暂停运动，以及可配置外围安全区域等设计，并确认其与DeepMind及Gemini Robotics的合作。但这份产品说明不构成对奔驰试点96%指标的独立验证。
从概念验证到规模部署，还缺哪些证据？
奔驰试点将问题从“机器人能否展示一个动作”，推进到了“机器人能否在运转中的工厂完成一项有实际用途的工序”。这是比单一演示更贴近部署需求的证据，但仍处于概念验证层面。
DeepMind把这类配套工作的潜在价值描述为承担单调、费力的准备任务，让技术人员集中处理更复杂的装配工作。公告没有量化已经实现的用工变化、产能提升或投资回报，也没有公布大规模部署的数量和时间表。
对制造企业而言，接下来更有判断价值的，将是持续运行时的失败与恢复记录、节拍匹配、人工监督需求，以及更换零件和工作站后的表现。Gemini Robotics 2.5提供了一个具体的工业应用进展；它是否足以支撑广泛部署，仍需比一次成功率披露更完整的运营证据。