DeepMind 发布 Gemini Robotics 2.5:200 项任务成功率提升 30% 到 100%,在奔驰产线拣配零件成功率 96%
机器人模型开始拿真实产线的数字说话。这一条讲提升幅度、工厂试点和新的机器人越狱基准。
// 要点
- Gemini Robotics 2.5 是 DeepMind 迄今能力最强的视觉-语言-动作模型,在 200 项任务上评测,成功率比此前基线高 30% 至 100%(视任务类型而定),完成速度快 20% 至 30%。
- 与 Apptronik、梅赛德斯-奔驰合作,Apollo 2 人形机器人在匈牙利凯奇凯梅特和德国辛德尔芬根的产线上做汽车零件拣配,概念验证成功率 96%。
- 推理时的安全引导让绕开障碍物时的安全完成率提升 33%、在人附近提升 43%。
- 同时开源一个机器人场景的越狱基准,含数百条伪装成正常请求的不安全指令;Gemini 4 Argon 的越狱抵抗率为 99.5%,此前基线 Gemini Robotics ER 2 为 82%。
开发者视角我们不做硬件,但这条值得记下两点:一是「真实场景 + 明确成功率」正在成为发布的标配,我们给客户讲智能体能力时也该这样报数;二是越狱基准已经延伸到物理动作,任何会调用外部动作的智能体都该有一组伪装请求的测试用例。