11 月 10 日，谷歌 DeepMind 发布视觉-语言-动作模型 Gemini Robotics 2.5。按照官方口径，这款模型在同一批任务上的成功率比上一代提升 30% 到 100%，完成速度提升 20% 到 30%，评估覆盖 200 余项物理任务，包括用夹子取放食物、给礼盒系蝴蝶结、移取液体。更受关注的是它在真实产线上的表现：搭载该模型的 Apptronik Apollo 2 人形机器人在奔驰匈牙利凯奇凯梅特与德国辛德尔芬根工厂做零部件拣选，自主完成率达到 96%。

四天后的 11 月 14 日，国内一批机器人厂商披露了另一组测试结果。优必选围绕 GPT-6 Astra 做了六组真机与仿真测试，其中真机抓取魔方、仿真搬运篮子、直接控制叠碗三项均未完成；改用「通用模型规划 + 自研 Thinker-VLA 执行」的协同方案后，福袋抓取、绕障移动、叠碗三项完成。优必选同时披露，协同方案相比直接控制，Astra 的 Token 消耗减少 83.6%，按 API 估算的费用减少 74.2%。同一天有报道称，OpenAI 撤掉了独立的机器人团队。

两组数字指向同一件事：分工比全能更早落地

把两组结果放在一起看，差别不在模型强弱，而在谁负责什么。谷歌的做法是双层：Gemini Robotics ER 负责跟踪整个工作流程，Gemini Robotics 2.5 只负责把视觉与语言转成手臂和手指的动作。优必选的做法也是双层，只是把规划层换成了通用大模型，执行层留给自己训练的 VLA。两家都用「一层想、一层做」的结构，而不是指望一个模型从理解指令一路做到关节角度。

这条路线对做集成的人有直接影响。过去采购一套产线自动化方案，选型看的是机械臂精度、节拍和夹具，软件是附赠品。现在要先问清楚：规划层是谁的模型、执行层是谁的模型、两层之间的接口是动作 token 还是结构化指令、换一个工位要不要重新采数据。Apollo 2 的 96% 是在「按工单从散装料箱拣取金属支架、放入排序容器、全程修正装配间隙」这一个工序上得到的，DeepMind 总监卡尼什卡·拉奥自己也说，剩下 4% 是条难走的路。

对做工具和做内容的人，机会在中间层

VLA 的工程难点集中在两处：动作空间是高维连续的，不同机器人本体的关节定义、自由度、传感器配置各不相同。所谓 cross-embodiment，就是让同一套权重搬到不同本体上还能用。这一层做不通，模型就只能绑死在一种硬件上；做通了，硬件厂的价值会被压缩到结构件与成本。

于是中间层变得值钱：动作数据的采集与标注、仿真到真机的迁移、失败样本的回收与再训练、以及给规划层做「能不能做」的可行性判断。优必选那组测试里最有信息量的不是三项成功，而是三项失败——通用模型直接输出控制指令时连抓魔方都没完成，说明语言模型的强项在理解任务与拆解步骤，不在生成长时序的连续动作。这一点，任何准备把通用模型直接接上机械臂的团队都该先看一遍。

站长观点：短期看好「专用执行层」，但别急着押注单一本体

我的取舍是这样的：如果现在要做一个机器人相关的产品，我会把资源压在专有场景的动作数据与失败样本上，而不是去追通用 VLA 的榜单。原因很实际——96% 这个数字是在单一工序、概念验证阶段拿到的，把它复制到多工序需要的是数据，不是更大的模型。反过来，如果只做执行层而不保留一定的模型可替换性，一旦上游规划模型换接口，整套方案就要返工。

另外提醒一点：本轮披露的数字大多来自厂商自测或合作试点，96% 的分母是什么、失败样本怎么定义、测试了多少次，公开材料都没有给全。截至 2026-11-14，Gemini Robotics 2.5 仍只向机器人合作伙伴开放，未全面公开，具体可用范围以官网为准。

来源清单

• Google DeepMind Gemini Robotics 2.5 官方产品说明与 Product Hunt 发布页（2026-11-10 发布，11-14 页面可查）
• 百度百科「Gemini Robotics 2.5」词条：奔驰凯奇凯梅特、辛德尔芬根产线试点，96% 自主完成率，卡尼什卡·拉奥关于最后 4% 的表态
• 腾讯新闻《OpenAI 撤销独立机器人团队，通用模型「打穿」具身智能？》（2026-11-14）：优必选六组测试、Token 与费用降幅
• ProductCool 产品页：200 余项任务、Franka Duo 双臂平台、推理时安全引导与 ASIMOV-Jailbreak 测试