O novo modelo para robôs do Google DeepMind é sua tentativa mais clara até agora de mostrar robôs de uso geral fazendo trabalho de verdade, e não demonstrações de laboratório. O Gemini Robotics 2.5 é um modelo de visão, linguagem e ação, ou seja, recebe imagens de câmera e instruções e devolve movimentos, e a principal prova vem do chão de uma fábrica de carros, não de uma tabela de benchmarks.
O DeepMind diz ter avaliado o modelo em mais de 200 tarefas diferentes, como servir comida com pegador, dar laço numa caixa de presente e pipetar líquido. Em relação às referências anteriores da própria empresa, a taxa de sucesso subiu de 30% a 100% conforme o tipo de tarefa, e as tarefas terminaram de 20% a 30% mais rápido. O modelo funciona em corpos diferentes, como o humanoide Apollo 2 da Apptronik, com mão de cinco dedos, e o Franka Duo, de dois braços com garras simples.
O resultado mais concreto é um piloto com a Apptronik e a Mercedes-Benz nas fábricas de Kecskemét, na Hungria, e Sindelfingen, na Alemanha. Robôs Apollo 2 fizeram a separação de kits: pegar suportes de metal em caixas a granel e colocá-los em bandejas na ordem que cada carro da linha precisa. Chegaram a 96% de sucesso, com um modelo de raciocínio separado, o Gemini Robotics ER, acompanhando o fluxo enquanto o 2.5 controlava braços e mãos. Em segurança, a orientação por raciocínio durante a execução aumentou em 33% a conclusão segura de tarefas perto de obstáculos e em 43% perto de pessoas, e o DeepMind lançou o ASIMOV-Jailbreak, um benchmark aberto com centenas de prompts que disfarçam pedidos perigosos. Nele, o Gemini 4 Argon resistiu a 99,5% das tentativas, contra 82% do antigo Gemini Robotics ER 2.
A ligação com nossa análise do Gemini 4 Argon é direta. O DeepMind credita ao Argon a aceleração do desenvolvimento, ao gerar milhares de ensaios simulados a partir de uma única cena real de câmera e ajudar pesquisadores a diagnosticar falhas por vídeo. Se isso se confirmar, o gargalo da robótica passa da coleta de dados físicos para o quanto um modelo geral consegue imaginá-los.
Quase nada disso pode ser verificado de fora. Todos os números vêm de avaliações do próprio DeepMind contra seus modelos anteriores, e a faixa de 30% a 100% é ampla demais para dizer muito sobre uma tarefa específica. O modelo está sendo liberado só para parceiros de robótica, então desenvolvedores independentes não podem testá-lo. Uma taxa de 96% é um piloto forte, mas uma linha de produção costuma exigir mais confiabilidade antes que um robô substitua uma pessoa num posto, e o anúncio não traz números de velocidade em relação a trabalhadores humanos nem de custo.