当地时间11月10日，谷歌DeepMind发布视觉—语言—动作（VLA）模型Gemini Robotics 2.5，官方称这是其迄今能力最强的VLA机器人模型，已面向机器人合作伙伴开放。

评测口径来自官方博客：团队在200多项真实任务上评估该模型，任务包括用食品夹分餐、给礼盒系蝴蝶结、液体移液等，既有使用高级工具的操作，也有对可变形物体的复杂操作和易碎件的精细处理。相比上一代基线，按任务类型不同，成功率高出30%至100%，完成速度快20%至30%。

更有分量的是产线侧的结果。DeepMind与Apptronik、梅赛德斯-奔驰合作，把Apptronik的Apollo 2人形机器人放进匈牙利凯奇凯梅特和德国辛德尔芬根的在用汽车生产线，做汽车零部件的kitting（按车排序备料）：从散装料箱里拣出单个金属支架，按产线上每台车的精确顺序放进排序托盘，过程中还要修正装配间隙的偏差。这项任务的成功率达到96%。

双模型分工是关键。Gemini Robotics ER负责跟踪整条工作流程，Gemini Robotics 2.5负责控制手臂与手部动作——一个管现在该干什么，一个管怎么伸手。Apptronik联合创始人兼CEO Jeff Cardenas说，仅仅经过几周的后训练，模型性能就明显提升，迁移到奔驰真实产线后性能下降幅度很小。

官方同时说明，该试点仍处于概念验证阶段，未披露任务时长、试验次数、产线节拍等工程化指标。这一点值得留意：96%的成功率说明模型在非结构化物料前已经能稳定完成一连串动作，但离按节拍连续干满一个班次还有距离。

模型侧的另一处变化是本体适配。Gemini Robotics 2.5原生支持多种机器人形态，官方点名Apptronik Apollo 2（配五指、22自由度的SharpaWave手）与Franka FR3 Duo双臂平台，合作方还包括Agile、Apptronik、Mercedes-Benz。一套动作模型跨本体迁移，意味着客户换本体时不必从零训练，这对多机型混线的工厂是实打实的成本项。

安全一侧同步补了工具。DeepMind开源了测试基准ASIMOV-Jailbreak，含数百条伪装成正常请求的提示词、覆盖数十类场景，用于检验机器人对越狱攻击的抵抗力。官方博客显示Gemini 4 Argon在该组测试中的抗越狱率为99.5%，上一代基线Gemini Robotics ER 2为82%——需要说明，这一组成绩属于Argon，不是本次发布的Robotics 2.5。

kitting这类工序看起来不性感：重复、耗体力、容错空间小。但它恰好是汽车总装线最标准的“最后一米”——料准备得对不对、顺序对不对，直接决定总装工位停不停。这也是为什么国内外做具身智能的公司都把料箱搬运、线边配送当作第一个要拿下的工位。普渡机器人在工业线上的做法是把这一段拆成两级：T300、T600潜伏顶升负责整托到线边，MP2000叉车机器人负责托盘与货架之间，D7等类人形产品再往双臂协同的柔性工位延伸。安徽、滁州、天长等地的汽车零部件和家电配套厂，产线节拍没有德国工厂那么紧，但物料种类更杂，反而是专用本体加通用模型更容易先跑出账的土壤。

一个判断：VLA模型的价值不在演示视频里的灵巧动作，而在能不能把一条重复工序的成功率从“偶尔成功”拉到“可以不管它”。96%是一个门槛值——跨过去，工厂才愿意谈节拍和回本。