同一次發表有兩件事：一個更能幹的機器人模型，以及一套專門引誘它犯錯的測試。第二件的意義可能比第一件大。
Gemini Robotics 2.5 是什麼：把鏡頭畫面變成馬達動作
Google DeepMind 在 11 月 10 日發布 Gemini Robotics 2.5，稱它是目前能力最強的 vision-language-action model，中文常譯為視覺語言動作模型。這類模型吃的是攝影機畫面加一句指令，吐出的是馬達動作，中間沒有寫死的程式。
DeepMind 說它在超過 200 項不同任務上測過，包括用夾子夾食物、在禮盒上綁蝴蝶結、用滴管取液。這些任務的共同點是手要穩、順序不能錯。
DeepMind 把這件事拆成兩段來做，一段是把鏡頭看到的畫面理解成物件與空間關係，另一段是把理解的結果翻成每個關節該出多少力、往哪個方向移動，這也是 vision-language-action model 這個名字的由來。
跟傳統產線自動化最大的差別在這裡。傳統做法是把每個動作寫成固定路徑，位置一跑掉就停機；這類模型看畫面自己判斷，換一個零件或換一種擺法，不必重新教一次。
200 多項任務與 96% 的產線成績，都是 DeepMind 自己的評估
DeepMind 說 Gemini Robotics 2.5 的成功率比先前的基準模型高 30% 到 100%，完成速度快 20% 到 30%，幅度依任務類型而變。這些數字都來自 DeepMind 自己的評估，目前沒有第三方重現。
產線那一段是概念驗證，不是量產。DeepMind 與 Apptronik、Mercedes-Benz 合作，讓 Apollo 2 人形機器人在匈牙利 Kecskemét 與德國 Sindelfingen 的產線做汽車零件配盤，成功率 96%。
那 96% 代表什麼？它代表在那一組特定零件與特定擺放下，配盤成功的比例，不能直接換算成良率。
Apollo 2 用的是五根手指、22 個自由度的 SharpaWave 手。同一套模型也能跑在 Franka Duo 與兩指夾爪上，這對導入成本有差。
ASIMOV-Jailbreak 想測的是機器人會不會照做壞指令
這次同步開源的 robot safety benchmark 叫 ASIMOV-Jailbreak，內含數百條提示，把不安全的要求藏進幾十種場景裡，看模型會不會照做。
名字借用艾西莫夫的三定律，測的卻是相反的事：機器人能不能識破包裝過的違規要求。
99.5% 這個數字屬於 Gemini 4 Argon，不是 Gemini Robotics 2.5
DeepMind 公布 Gemini 4 Argon 在這個基準上達到 99.5% 的越獄抵抗力，對比 Gemini Robotics ER 2 的 82%。這個數字很容易被誤掛到 Gemini Robotics 2.5 身上，兩者是不同的模型。
Gemini 4 Argon 在開發過程裡還有另一個角色：當模擬引擎，用來生成練習場景、建立數位孿生、分析任務失敗的原因。
robot safety benchmark 測的是拒絕，不是不撞到人
推理階段的引導讓安全完成率在障礙物周圍提高 33%，在人員附近提高 43%。這仍然是 DeepMind 的評估數字。
拒絕一個壞指令，跟一台幾十公斤的機器人在你旁邊不出事，是兩種能力。前者靠語言理解，後者要靠力控制、感測與停下來的時間。基準測試只覆蓋前面那一半。
台灣製造業什麼時候用得到 Gemini Robotics 2.5
現在還排不進報價單。Gemini Robotics 2.5 只對 DeepMind 的機器人合作夥伴開放，沒有價格，也沒有公開發布日期。
對台灣的系統整合商來說，這代表兩件事：先確認手上的機械手臂與夾爪在不在支援清單，再把工安評估的流程想清楚。電子組裝與扣件產線的動作重複性高，本來就是這類模型最容易切入的地方。
客戶端還有一道看不見的門檻：概念驗證通常要在實際產線上跑，不能只用影片交差。停線成本一算下去，多數工廠會先挑一條離峰時段可以停的線來試。
等價格與授權出來，再談導入都還來得及。真正該先做的，是把手邊那幾道工序拍下來，確認模型看得懂你的現場，而不是別人的 demo 影片。
