A Google DeepMind anunciou o Gemini Robotics 2.5 em 10 de novembro de 2026. A empresa o descreve como o sistema de visão, linguagem e ação mais capaz que já fez e diz que ele está sendo liberado para seus parceiros de robótica.
O que o modelo faz
A DeepMind avaliou o sistema em mais de 200 tarefas diferentes, entre elas servir comida com pinças, amarrar um laço de fita em uma caixa de presente e dosar um líquido com pipeta. Em comparação com os modelos anteriores, relata uma taxa de sucesso de 30% a 100% maior, conforme o tipo de tarefa, e tarefas concluídas de 20% a 30% mais rápido. O modelo funciona com vários tipos de robô, incluindo o humanoide Apollo 2, da Apptronik, e a plataforma Franka Duo, com garras de dois dedos.
O piloto na fábrica
A principal evidência do mundo real é uma prova de conceito com a Apptronik e a Mercedes-Benz em linhas de produção ativas em Kecskemét, na Hungria, e em Sindelfingen, na Alemanha. O Apollo 2 fez kitting automotivo: tirava suportes de metal de caixas a granel e os colocava em recipientes de sequenciamento, na ordem que cada veículo exige. O Gemini Robotics ER acompanhava o fluxo de trabalho, enquanto o Gemini Robotics 2.5 controlava mãos e braços. A taxa de sucesso informada foi de 96%. O CEO da Apptronik afirmou que os modelos melhoraram bastante após algumas semanas de pós-treinamento e passaram para as linhas da Mercedes-Benz com pouca perda. Esses números vêm dos fornecedores e não foram verificados de forma independente.
Alegações de segurança
O modelo usa raciocínio no momento da inferência para desviar de perigos físicos. A DeepMind diz que isso elevou em 33% a conclusão segura de tarefas perto de obstáculos e em 43% perto de pessoas. A empresa também lançou o ASIMOV-Jailbreak, benchmark de código aberto com centenas de prompts que escondem pedidos inseguros em dezenas de cenas. Segundo a DeepMind, o Gemini 4 Argon resiste a 99,5% deles, contra 82% do Gemini Robotics ER 2, versão anterior.
O Argon como ferramenta de treinamento
A DeepMind afirma que o Gemini 4 Argon acelerou o desenvolvimento ao atuar como motor de simulação. Ele consegue gerar milhares de execuções de treino variadas a partir de uma única cena real de câmera e montar um gêmeo digital dela. Também consegue sugerir, a partir de vídeos, por que uma tarefa falhou e testar correções em simulação e em robôs reais.
O que ainda não se sabe
O anúncio não traz preço, data de disponibilidade geral nem lista de parceiros além de Apptronik, Agile e Mercedes-Benz nos agradecimentos. O número de 96% cobre uma única tarefa de kitting, então diz pouco sobre outros trabalhos.