一句话看懂：Google DeepMind 发布 VLA 模型 Gemini Robotics 2.5，在奔驰匈牙利和德国工厂的试点中，Apollo 2 人形机器人完成金属零件分拣任务，成功率 96%。这代表视觉-语言-动作模型正从演示走向真实产线。
事件核心：发生了什么
2026 年 11 月 10 日，Google DeepMind 推出新一代视觉-语言-动作模型（VLA）Gemini Robotics 2.5。该模型能同时处理图像、语言指令并输出机器人动作。官方表示，在 200 多项任务测试中，其成功率比自家此前基线高 30% 至 100%，任务完成速度快 20% 至 30%。
更关键的验证发生在真实产线：在匈牙利凯奇凯梅特和德国辛德尔芬根的奔驰工厂，Apptronik 的 Apollo 2 人形机器人执行零件分拣（kitting）任务——从散装料箱中取出金属零件，按每辆车的装配顺序放入托盘。该试点报告成功率为 96%。系统由两个模型协作：Gemini Robotics ER 负责流程监控，Gemini Robotics 2.5 控制手和手臂。
DeepMind 还开源了 ASIMOV-Jailbreak 基准，用于测试机器人模型能否被诱导执行危险动作。据其公布，Gemini 4 Argon 的越狱抵抗力为 99.5%，前代 Gemini Robotics ER 2 为 82%。训练方面，Argon 被用作仿真引擎，可从真实摄像头场景生成数字孪生和大量模拟训练数据。
为什么重要
人形机器人在真实产线的表现，长期受制于泛化能力和部署成本。Gemini Robotics 2.5 的试点说明，VLA 模型结合少量后训练，可能在数周内适配新任务。Apptronik CEO Jeff Cardenas 称，模型在后训练几周内显著提升，迁移到奔驰生产时性能损失很小。
另一方面，安全指标被单独量化：官方评估中，近障碍物场景的安全任务完成率提升 33%，近人场景提升 43%。开源安全基准也把“机器人被越狱”这一此前少被公开讨论的风险摆上台面。对行业而言，竞争焦点正从“能不能动”转向“能不能稳定、安全地在产线干活”。
对用户/开发者/创作者的影响
目前公开信息显示，Gemini Robotics 2.5 正面向 Agile、Apptronik 和奔驰等合作伙伴推广，并非面向普通开发者的通用 API。开发者短期更可能接触的是 ASIMOV-Jailbreak 这类开源评测工具，用来检验机器人策略的安全性。企业采购方则应关注：96% 成功率对应的是特定分拣任务和试点环境，不等于全产线无人化。内容创作者在引用这类数据时，也需注明任务类型和评测条件，避免把试点结果写成永久排名。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
第一，奔驰试点是否会扩展到时序更复杂、节拍更快的装配任务，以及 96% 成功率在长时间运行下能否保持。第二，Google 是否向更多机器人厂商开放模型或 API，形成类似“机器人基础模型”的生态。第三，ASIMOV-Jailbreak 能否成为行业通用的安全测试标准，以及监管是否会据此提出机器人部署的安全要求。
