Google DeepMind 10 ноября 2026 года представила Gemini Robotics 2.5 — свою самую продвинутую VLA-модель, которая по кадрам с камер и текстовой команде управляет руками и захватами робота. На наборе из более чем 200 задач новая версия показывает на 30–100% более высокую долю успешных попыток и работает на 20–30% быстрее предыдущей. Главное доказательство — живой пилот на действующих конвейерах Mercedes-Benz в Венгрии и Германии: гуманоид Apptronik Apollo 2, которым управляет связка моделей Gemini Robotics ER и Gemini Robotics 2.5, с успешностью 96% выполнял заводскую задачу комплектования деталей. Сама модель пока доступна только через лист ожидания раннего доступа, но открытый бенчмарк безопасности и его датасет уже опубликованы, поэтому часть проверок можно повторить самостоятельно.

image

Что произошло

DeepMind выпустила Gemini Robotics 2.5 вместе с результатами замеров на 200 с лишним задачах против предыдущей версии Gemini Robotics 2. Наибольший прирост пришёлся на деформируемые и мелкомоторные задачи: упаковка выпечки щипцами — 100% успешных попыток против 5% у предыдущей версии, закрытие крышки ящика с инструментами — 93% против 0%, завязывание банта — 70% против 0%. В пилоте на заводах Mercedes-Benz в Кечкемете (Венгрия) и Зиндельфингене (Германия) система работала в задаче automotive kitting: гуманоид Apptronik Apollo 2 с пятипалой кистью SharpaWave (22 степени свободы) раскладывал металлические кронштейны из общих ящиков по лоткам в порядке последующей сборки и справился в 96% попыток. Каждый заход начинала reasoning-модель Gemini Robotics ER, которая определяла, что и в каком порядке делать, а физические действия исполняла Gemini Robotics 2.5. Безопасность компания вынесла в открытый бенчмарк ASIMOV-Jailbreak: Gemini 4 Argon выдержала 99,5% замаскированных опасных просьб против 82% у Gemini Robotics ER 2, а доля безопасно выполненных задач выросла на 33% рядом с препятствиями и на 43% рядом с людьми. Одновременно DeepMind показала ту же модель на платформе Franka Duo с двухпалыми захватами, то есть одну политику управления на роботах с разной кинематикой.

Контекст

VLA-модели (vision-language-action) — класс систем, которые переводят визуальное наблюдение и текстовую команду напрямую в моторные команды манипулятора; до недавнего времени их возможности демонстрировали в основном на лабораторных стендах, а работа с деформируемыми предметами вроде теста, ткани и шнуров считалась устойчивой слабостью всего направления. В новом релизе скачок пришёлся именно на такие задачи, что меняет оценку зрелости технологии. Второй слой контекста — архитектурный: отрасль движется к разделению ролей, при котором reasoning-модель планирует последовательность шагов, а исполнительная модель переводит план в движения; связка Gemini Robotics ER и Gemini Robotics 2.5 стала закреплённым примером этого паттерна. Третий слой — кросс-эмбодимент, идея о том, что одна модель способна управлять роботами с разной механикой, от гуманоида с многопалой кистью до манипулятора с двухпалыми захватами, без отдельной настройки под каждый тип железа. Наконец, безопасность: проверки роботов, работающих рядом с людьми, до этого почти не имели общедоступных измеримых тестов, и открытый датасет с фиксированной процедурой создаёт базу для воспроизводимых оценок.

Почему это важно для индустрии

Для индустрии центральный сигнал — не сами проценты, а то, что VLA-модель впервые показала результат на действующем конвейере с реальным покупателем: физическая автоматизация рутинных операций превращается в покупаемый модельный слой, а ценность для команд смещается к интеграции, собственным данным и вертикальным приложениям поверх таких моделей. Двухуровневая схема «reasoning-модель планирует, исполнительная модель действует» становится воспроизводимым архитектурным шаблоном, который OEM и робототехнические компании начнут повторять в собственных стеках. Открытый бенчмарк ASIMOV-Jailbreak задаёт измеримый стандарт безопасности, который может стать входным фильтром при сертификации и внедрении роботов рядом с людьми. Ограничение для бизнеса пока жёсткое: ранний доступ существует только через лист ожидания, публичного API, цен и SLA нет, поэтому развёртывание в продакшн невозможно, а основной эффект остаётся переговорным — OEM и крупные интеграторы начинают переговоры и пилоты, стартапы могут разобрать анонсированный стек. В ближайшие месяцы ключевыми станут независимые проверки: сторонние прогоны ASIMOV-Jailbreak, повторные замеры по базовому набору задач и первые ответные двухуровневые стеки у конкурентов.

Почему это важно для пользователей

Прямо сейчас читателю доступны три действия: изучить официальный блог DeepMind и страницу модели с опубликованными материалами, записаться в лист ожидания раннего доступа к Gemini Robotics 2.5, а также скачать открытый датасет google/asimov_agentic с Hugging Face и локально прогнать сценарии ASIMOV-Jailbreak или собрать на его основе собственную проверку безопасности под свой домен. Публикация сопоставимых цифр — 100% против 5% на упаковке выпечки или 96% на конвейерной задаче — редкий для робототехники пример проверяемых бенчмарков, по которым можно сравнивать будущие версии и чужие системы. При этом конвейерные пилоты остаются закрытой частью проекта, поэтому проверить промышленные метрики самостоятельно до расширения доступа не удастся.

Что пока неизвестно / ограничения

Ключевые цифры — 96% успешности на automotive kitting и результаты по набору из 200 с лишним задач — пока существуют только как данные вендора и не подтверждены независимыми замерами. Методика адаптации и тонкой настройки модели под каждую платформу не раскрыта, поэтому кросс-эмбодимент нельзя считать доказанной на уровне методов способностью, а не декларацией. Продуктовая обвязка отсутствует: нет публичного API, цен и SLA, а условия раннего доступа неизвестны. Не раскрыты также латентность цепочки Gemini Robotics ER и Gemini Robotics 2.5, стоимость одного действия и поведение модели за пределами заявленного набора задач, а технический отчёт или пейпер с методологией пока не опубликован.

Источники

Автор

Look at AI, редакция