Gemini2026年11月10日，DeepMind 正式放出 Gemini Robotics 2.5，同时把名为“ASIMOV-jailbreak”的机器人安全基准开源。据 Ars Technica 报道，新模型在部分任务上的成功率最高可达前代的两倍；配套的安全基准则盯住一个更急迫的现实问题——机器人本事越来越大，怎么保证它们在对抗性指令面前不干危险的事？
能力提升：部分任务成功率翻倍
Gemini Robotics 是 Google DeepMind 把 Gemini 多模态大模型的能力往物理世界延伸的主打产品线。它和纯软件模型不一样，机器人基础模型得把视觉感知、语言理解、运动控制塞进同一个闭环：模型既要“看懂”场景、“听懂”指令，还得把指令拆成一串能执行的动作。
Gemini Robotics 2.5 的进步主要落在任务执行成功率上。官方信息显示，部分任务里新模型的成功率提到了上一代的两倍。数字看着只是翻倍，放到机器人操作上分量不轻。抓取、装配、导航这类任务的成功率常常卡在“长尾”上，从七成爬到接近九成，往往说明模型对付边缘场景、光照变化、物体摆放差异这些不确定因素的能力变了质。
业内普遍的看法是，机器人基础模型的竞争焦点正从“演示视频有多炫”挪到“真实环境里有多可靠”。Gemini Robotics 2.5 拿任务成功率当核心卖点，就是对这一趋势的回应。
ASIMOV-jailbreak：给机器人做安全压力测试
和模型发布一样受关注的是 ASIMOV-jailbreak 基准。名字里的“ASIMOV”明显是在致敬科幻作家艾萨克·阿西莫夫提出的“机器人三定律”；“jailbreak”（越狱）借的是大语言模型安全领域的说法，指的是用精心构造的提示词绕开模型的安全限制。
两个概念凑到一块，指向一类新冒出来的风险：攻击者可能用语言指令诱导机器人做危险动作，比如绕过权限限制去移动、碰本不该碰的物体，或者在多步骤任务里埋进有害的子目标。ASIMOV-jailbreak 想把这些攻击场景标准化，给出可复现的评测环境，并开源给研究社区使用。
语言模型说错一句话还能收回，机械臂要是有一下动作出错，可能当场就伤到人——机器人安全和聊天机器人安全的根本差别，就落在这个后果上。
开源基准的价值在于形成公共标尺。以往各家机器人模型的安全测试基本各干各的，测试方法和攻击强度都不透明，结果也没法比。一个开放的越狱基准能让研究者用同一套攻击方法横向评估不同模型，也能逼着厂商在发布前把安全短板补上。对监管者和企业采购方来说，这类基准还可能成为评估机器人系统风险的重要参考。
具身智能竞赛进入“安全”赛段
近两年，具身智能成了 AI 行业最受关注的赛道之一。从 Google DeepMind 到 OpenAI，从创业公司到传统机器人厂商，各方都在抢“通用机器人大脑”的位置。大模型让机器人头一回有了较强的泛化能力，可泛化也意味着行为更难预测——同一个模型在不同场景下，可能做出开发者没预料到的动作。
安全基准 therefore 变得关键，原因就在这里。传统机器人靠结构化环境和硬编码规则，安全边界相对清楚；基于大模型的机器人得在开放环境里理解自然语言指令，攻击面跟着扩大。越狱攻击在聊天机器人那边已经屡见不鲜，如今正往物理世界迁移。DeepMind 选在发新模型的同时开源安全基准，信号很明确：能力和安全要同步交付，不能等出了事故再补课。
编者按：翻倍的不只是成功率
单看新闻，Gemini Robotics 2.5 的“两倍成功率”是最抓眼球的数字，但 ASIMOV-jailbreak 的开源或许影响更深远。能力提升决定机器人能不能走出实验室，安全评测决定它能不能被放心地部署到工厂、仓库和家庭。两者缺一不可。
当然，风险不可能被一个基准一网打尽。攻击手法在真实世界里会一直变，测试基准也就得跟着迭代；开源还有个副作用，攻击者照样能研究这套测试方法。攻防没有终点。但行业总算有了共同的说法来谈机器人安全，不再各讲各的。对具身智能来说，这件事的分量，或许超过任何一项单点任务上的突破。
