DeepMind发布Gemini Robotics 2.5，任务成功率最高翻倍

2026年11月10日，DeepMind正式推出机器人基础模型Gemini Robotics 2.5，同日开源机器人安全基准测试ASIMOV-jailbreak。据Ars Technica报道，新模型在部分任务上成功率最高达到前代的两倍。配套的安全基准则指向一个更紧迫的现实问题：机器人能力越来越强，如何保证它们在对抗性指令下不做出危险动作？

能力跃升：部分任务成功率翻倍

Gemini Robotics是Google DeepMind把Gemini多模态大模型能力延伸到物理世界的核心产品线。纯软件模型不同，机器人基础模型要把视觉感知、语言理解和运动控制装进同一个闭环——模型得“看懂”场景、“听懂”指令，还得把指令拆成一步步可执行的动作。Gemini Robotics 2.5的进步就集中在任务执行成功率上。官方信息显示，部分任务中 new 模型的成功率提升到上一代的两倍。这个数字看着只是翻倍，对机器人操作却意义不小。抓取、装配、导航等任务的成功率常常卡在“长尾”难题上，从七成提到接近九成，往往说明模型对边缘场景、光照变化、物体摆放差异等不确定因素的处理能力发生了质变。

业界普遍的看法是，机器人基础模型的竞争焦点正从“演示视频有多炫”转向“真实环境里有多可靠”。Gemini Robotics 2.5把任务成功率当作核心卖点，回应的正是这一趋势。

ASIMOV-jailbreak：给机器人做安全压力测试

与模型发布同样值得关注的是ASIMOV-jailbreak基准。名字里的“ASIMOV”显然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）则借用了大语言模型安全领域的术语，指的是用精心构造的提示词绕过模型的安全限制。两个概念放在一起，指向一类新兴风险：攻击者可能通过语言指令诱导机器人执行危险动作，比如绕过权限限制移动、操作本不该触碰的物体，或在多步骤任务中埋入有害子目标。ASIMOV-jailbreak想把这些攻击场景标准化，提供可复现的评测环境，并开源给研究社区使用。

聊天机器人出错，顶多是说错一句话，还能收回来；机器人出事就不一样了，机械臂动作一旦有偏差，可能当场伤人。两者在安全上的根本差别，就在后果这一层。

开源基准的意义，是给大家一把共同的尺子。以前各家做机器人模型的安全测试，基本各干各的，用了什么方法、攻击有多强，外界都看不清，测出来的结果也没法互相比较。有了开放的越狱基准，研究者就能拿同一套攻击手段去横向测不同模型，厂商也会被推着在发布前把安全漏洞补上。监管方和企业采购方同样能拿它当参照，判断机器人系统的风险大小。

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，各方都在争夺“通用机器人大脑”的位置。大模型让机器人第一次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未曾预料的动作。

这正是安全基准变得关键的原因。传统机器人依赖结构化环境和硬编码规则，安全边界相对清晰；基于大模型的机器人要在开放环境中理解自然语言指令，攻击面随之扩大。越狱攻击在聊天机器人领域已屡见不鲜，如今正被迁移到物理世界。DeepMind选择在发布新模型的同时开源安全基准，信号很明确：能力与安全需要同步交付，而不是等事故发生后再补课。

编者按：翻倍的不只是成功率

Gemini Robotics 2.5 那个“两倍成功率”确实是新闻里最吸引眼球的数字，不过 ASIMOV-jailbreak 选择开源，长远看影响可能更大。机器人能不能走出实验室，取决于能力提升；能不能放心地放进工厂、仓库和家庭，则取决于安全评测。这两件事缺了哪件都不行。当然，一个基准管不了所有风险。真实世界里的攻击手法会一直变，基准也得跟着更新；开源还意味着攻击者同样能研究这套测试方法。攻防就这样一直转下去，没有终点。但好歹行业现在开始用同一套语言谈机器人安全，不再各说各话。对具身智能来说，这层基础设施也许比任何单项任务上的突破都更关键。