机器人演示视频看得多了，真正稀缺的是"在用产线上的成功率"。谷歌 11 月 10 日推出的 Gemini Robotics 2.5，把最硬的一个数字放在了这个位置：与 Apptronik、奔驰合作的概念验证中，Apollo 2 人形机器人完成汽车零部件拣配的成功率为 96%。
产品定位
Gemini Robotics 2.5 是谷歌的视觉-语言-动作（VLA）模型，官方称其为迄今能力最强的一代。VLA 的作用是让机器人把看到的画面、听到的指令转成动作序列——模型不只会描述世界，还要在世界里动手。这代模型的改进集中在技能广度与学习速度：能学的动作更多，学会的速度更快。
测试规模
谷歌在超过 200 项不同任务中测试了任务广度、性能与复杂度，包括用夹子分发食物、给礼品盒系蝴蝶结、移液操作液体。这些任务的共同点是需要高级工具使用、可变形物体操作与易碎品精细处理——恰好是过去 VLA 模型最容易失败的地方。
三个维度的量化
灵巧度上，相较此前基线，成功率按任务类型提高 30% 至 100%，任务完成速度快 20% 至 30%。
可靠性上，验证场景选在真实产线：匈牙利凯奇凯梅特与德国辛德尔芬根的在用汽车生产线。流程是双模型协作——Gemini Robotics ER 具身推理模型跟踪工作流程，Gemini Robotics 2.5 动作模型控制手臂与手部，机器人从物料箱取出金属汽车支架放入排序容器，并自动修正间隙。这项工作重复性强、体力消耗大，需要把散料箱中的单个零部件按线上每台车的精确需求顺序分拣到规整托盘。试点成功率 96%。
安全性上，模型采用推理时引导机制实时规避物理危险，类比安全分类器为文本回复增加防护层。评估显示，该能力让机器人在障碍物周边的安全任务完成率提升 33%，在人员周边提升 43%。
本体适配
沿用原生多形态思路，Gemini Robotics 2.5 可驱动搭载五指 22 自由度 SharpaWave 手的 Apptronik Apollo 2 人形机器人，也可驱动配两指平行夹爪的 Franka Duo 平台。这种跨本体能力意味着模型学到的操作技能不必与特定硬件绑定。
安全基准
谷歌同时发布开源基准 ASIMOV-Jailbreak，包含数百条伪装成危险请求的提示，覆盖数十类场景，用于测试机器人模型对越狱的鲁棒性。Gemini 4 Argon 在该基准上的抵御率为 99.5%，前代 Gemini Robotics ER 2 为 82%。谷歌还在推进长周期智能体任务的安全能力，评估维度包括危险任务拒绝、不确定性消解与近距离人机协作。
上游加速
开发效率的提升来自上游模型。Gemini 4 Argon 的机器人研究能力可充当仿真引擎：基于真实相机场景生成数千个多样化模拟练习片段，构建高保真数字孪生；结合真实训练演示数据，让机器人更快泛化到新场景与新物体。Argon 还能从视频片段推演任务失败原因，在仿真环境与真实机器人上同步验证最优改进方案。
这条链路改变了数据经济。过去机器人学习的瓶颈是"采集多少条真机演示"，人力与场地成本极高；现在瓶颈转向"能生成多逼真的练习环境"，边际成本大幅下降。谁能把仿真与现实之间的差距压得更小，谁就能更快积累技能库。
怎么看 96%
需要把条件说清楚：特定工位、特定物料、有人监督的概念验证，与 7×24 小时无人值守之间还有距离。96% 意味着每小时仍可能有两次失败需要人工介入，这在试点阶段可接受，在量产节拍下则需要冗余设计或更可靠的纠错机制。
但奔驰愿意在用产线上做验证这件事本身就有信号价值：汽车总装的物料拣配已成为人形机器人最先被接受的切口。这项工作重复、耗体力、对精度要求可量化，且失败后果可控——正是新技术切入制造业的典型路径。