Claude Fable 5.2碾压机器人专模，具身模型真没活路？

具身大模型一度差点被认定没有活路。就在此前一天，Anthropic 推出 Claude Fable 5.2，不少做机器人研究的人看后感慨：专门为具身场景训练的模型，是不是要被通用大模型取代了？

在考察机器人操作能力的 RoboDojo Sim 基准上，Claude Fable 5.2 于 42 项任务中拿下 64.9% 的平均成功率，GPT-6 Astra 只有 29.8%，前者也压过多数机器人专用模型一头。

Claude 甚至没有针对部分任务做专门训练，就已经能操控真实机器人拧瓶盖、解魔方，乃至画画。通用模型显露出这般机器人操作本事，具身专用模型的价值自然被打了问号。

可仅仅过了一天，谷歌就交出了另一份答案。11月10日，Google DeepMind 发布 Gemini Robotics 2.5，称这是其至今最强的机器人视觉-语言-动作（VLA）模型。

谷歌公布的数据显示，新模型在 200 多项任务中接受评测，与先前基准相比，部分任务成功率相对提升 30% 至 100%，执行速度加快 20% 至 30%。

这款模型还已经进了汽车工厂。德国和匈牙利的奔驰生产线上，搭载 Gemini Robotics 2.5 的 Apollo 2 人形机器人能自主完成汽车零部件的分拣、抓取与摆放，任务成功率达到 96%。刚被质疑的具身模型，真被谷歌救回来了？

谷歌把具身大模型送进了厂。这一回，谷歌拿出的成绩单，比以往更贴近真实工业需求。

官方披露，Gemini Robotics 2.5 的提升集中在三处：灵巧操作、任务可靠性、物理安全性。操作能力排在第一位。

谷歌给新模型安排了 200 多项任务测试，包括用夹子夹食物、给礼盒系蝴蝶结、使用移液管等操作。

这些动作看着简单，落到机器人身上并不轻松。拿系蝴蝶结来说，机器人得同时控制双手，感知丝带形状，还要随着材料变形不断调整力度和动作。稍有一点偏差，丝带就可能滑落，或者打结失败。

谷歌公布的测试里，新模型用夹子装取糕点的成功率从 5% 提高到 100%，解开蝴蝶结从 0 提高到 70%，合上工具箱盖子从 0 提高到 93%。

整体看，对照此前的基准模型，Gemini Robotics 2.5 在不同类别任务上的成功率相对提升 30% 至 100%，执行速度提高 20% 至 30%。

新模型还能适配不同种类的机器人，既有配备五指灵巧手的 Apollo 2，也有使用双指平行夹爪的 Franka Duo。谷歌想做的，是让同一套机器人智能能力适配不同硬件形态，从而省掉每换一副机器人身体就要重新训练模型的成本。

更受关注的进展出现在奔驰工厂。在德国辛德芬根和匈牙利凯奇凯梅特的汽车生产线上，谷歌联合 Apptronik、奔驰，让 Apollo 2 人形机器人承担汽车零部件的分拣与配套工作。

具体做法是：机器人从装有金属支架的料箱中取出零件，再按生产顺序放进指定托盘，为后续汽车装配做好准备。

这类活重复性极高，但机器人得精准认出零件、抓住零件、再放进托盘；中间一旦有偏差，还要马上纠回来。

谷歌给出的方案是两套模型分工：一套负责读懂任务和流程，另一套专门管机械臂和灵巧手的动作，把具体操作落地。

在这轮概念验证里，Apollo 2最终把任务成功率做到了96%。

Apptronik联合创始人兼CEO Jeff Cardenas的说法是，有了Gemini Robotics，Apollo 2只经过几周后训练就拿到了明显提升，搬到奔驰的真实产线上之后，性能也没出现明显下滑。

可96%这个数字，离规模化工业应用还有一段路。

完整测试跑了多少次、连续运行了多久、人工接管多频繁、机器人和工人之间的生产节拍差多少——这些谷歌都还没披露。

对汽车工厂来说，分拣一次成功，和连续稳定干上数千小时，完全是两码事。

工业产线真正看重的不只是操作成功率，故障之后能不能恢复、维护要花多少钱、投资回报率划不划算，同样决定机器人能不能留下。

所以Apollo 2这次的表现，更像一场有说服力的技术验证；要走到大规模商业部署，还有不少问题等着回答。

但谷歌至少证明了一件事：具身模型的能力，可以从实验室挪到真实的工业环境里。

谷歌让AI开始训练AI

比起机器人多学会了几个动作，这次发布里还有一层变化容易被忽略：谷歌在改具身模型的训练方式。

以前机器人学新技能，通常靠研究人员一遍遍采数据、设计训练任务，再上真机测试反复修。

这套流程又贵又慢。

碰到灵巧操作就更麻烦，机器人得学会控制抓取力度、处理物体变形，还要应付接触过程中那些复杂变化。

就算模型在一个任务上有了进展，换件物品、换个场景，可能又得重新训练。

现在谷歌想做的，是让通用基础模型接走其中一部分活。

根据Google DeepMind披露，Gemini 4 Argon已经进入机器人研发流程，用来生成仿真训练场景、分析失败原因，并辅助研究人员改进训练策略。

比如研究人员只给一张真实场景的摄像头画面，Argon就能帮忙搭出数字孪生环境，生成数千次不同条件下的模拟练习。

机器人某次操作失败，模型还能看失败视频、给出可能的原因，并协助研究人员在仿真或真机环境里验证改进方案。

这相当于给机器人配了一个AI助手，能反复组织练习、也能分析错在哪。

当然，真实世界的数据和训练示范还是少不了的，现阶段没法完全甩开真机采集。

但它的潜在价值摆在那里。

过去机器人要掌握一项新技能，得靠大量人工参与的试错；通用模型介入之后，一部分训练能在虚拟环境里完成，研究人员找有效改进方向也能更快。

这么看，具身模型的较量或许要换个玩法了。以前业内盯的是谁攒的机器人数据多、谁建的数据采集中心更大。

往后光有数据量恐怕不够，模型能不能把数据用出效率、能不能自己找出毛病、能不能靠仿真学得更快，都会变成比拼的重点。而在这些方面，手握强通用基础模型、算力和仿真技术家底的科技巨头，确实占着一些先手。

对谷歌来说，Gemini 4 Argon和Gemini Robotics 2.5正搭成一套互相补位的研发体系：通用模型帮着机器人学东西，专用模型则不断攒下真实世界里的操作本事。

这套搭配，也给眼下具身模型该走哪条路的争论添了一个新的观察窗口。

具身模型，被谷歌救了？

过去两年，具身智能行业里一直并行着两条技术路线。一条是专门训练机器人模型，靠海量真机数据、动作数据和物理交互经验，让机器人练出操作能力。另一条是借用通用基础模型现成的视觉理解、推理和规划本事，再往机器人控制上延伸。

随着GPT-6 Astra、Claude Fable 5.2这类通用模型在机器人任务上接连取得突破，第二条路线开始被更多人看好。道理也不难懂：通用模型既然已经能看懂环境、规划动作，甚至指挥机器人干成一部分活儿，那企业还有没有必要砸大钱，从头训一套具身基础模型？

可谷歌最新的进展说明，事情没那么简单。通用模型虽然已经表现出挺强的机器人操作能力，但看懂任务和在真实世界里稳稳做完操作，中间还是隔着一段距离。

比方说，模型能准确判断杯子该怎么抓，可真到动手时，手指和杯子之间的接触、抓取的力度、机械臂怎么动、东西会不会滑掉，这些都得处理。这类连续的物理交互，对控制频率、动作精度和环境反馈的要求都更高。

通用基础模型眼下还没法独自把所有问题都解决。Anthropic的Claude Fable 5.2在RoboDojo Sim测试中拿到64.9%的成功率，可这个成绩主要说明的是特定仿真条件下的操作水平，不能直接等同于真实工业环境里的可靠性。

所以谷歌还是留着专用的VLA模型，让它跟推理模型配合着控制机器人。英伟达最新发布的GR00T 2思路也差不多：在其展示的系统里，通用推理模型负责拆解任务、规划步骤和检查进度，GR00T 2则管具体的物理动作控制。

在50项目标机器人没见过的任务里，GR00T 2每项任务经过5次示范和少量微调后，平均成功率达到95%。

两家巨头的思路其实很接近：理解、推理这类活儿交给通用模型，真正动手的物理操作则由专门的机器人模型来完成。

换句话说，具身模型在短期内依然有实打实的技术价值。

可对一门心思做具身模型的创业公司来说，这未必算得上好消息。

谷歌、英伟达这些巨头手里同时攥着基础模型、机器人模型和配套训练工具，初创公司要迈过的竞争门槛恐怕会被抬得更高。

那些把自研VLA当作技术壁垒的企业尤其如此，往后得回答一个更扎心的问题：跟直接用巨头的基础模型比，自己训出来的模型到底强在哪儿？

当然，机器人市场这块地盘，巨头也还没完全吃下。

眼下Gemini Robotics 2.5主要向谷歌的机器人合作伙伴开放，公共API服务还没全面铺开。工业客户各自的场景需求、硬件配置和数据条件差别很大，通用模型想做到全面适配，路还长着。

这就给专业做具身模型的企业留出了空间。

回头再看，谷歌这次发布，或许已经给近期的争论交出了一份阶段性答案。

具身模型仍有存在的必要，但以后未必每家都得从头训一套。

通用基础模型的能力边界越扩越大，机器人专用模型也得接受更严格的价值检验。

谷歌也许救下了具身模型，却让一部分做具身模型的创业公司面对更残酷的竞争。