Hecho: Google DeepMind presentó el 10 de noviembre de 2026 Gemini Robotics 2.5, «el modelo vision-language-action (VLA) más capaz hasta ahora», de la mano de un piloto en líneas reales de producción de Mercedes-Benz junto a Apptronik. En la prueba de concepto, el humanoide Apollo 2 «pick and pack automotive parts with a 96% success rate».
Los robots trabajaron en líneas activas de las plantas de Kecskemét (Hungría) y Sindelfingen (Alemania), en una tarea de kitting: tomar soportes metálicos de binques y colocarlos en bandejas de secuencia en el orden exacto que cada vehículo necesita en la línea. Un modelo Gemini Robotics ER llevaba la cuenta del workflow mientras 2.5 controlaba manos y brazos y corregía huecos o colocaciones malas.
Cifras del fabricante
DeepMind evaluó el modelo en más de 200 tareas distintas —desde servir comida con pinzas hasta pipetear líquidos— y dice que logra entre 30% y 100% más tasa de éxito que los baselines previos según el tipo de tarea, y que las termina entre 20% y 30% más rápido. Atribuye el salto a Gemini 4 Argon, que aceleró la investigación en robótica. Todos los números del piloto son de DeepMind: la carta no incluye cifras ni cita de Mercedes-Benz.
Jeff Cardenas, cofundador y CEO de Apptronik: «This is what we built Apollo for: useful work alongside people in real industrial settings. Pairing Apollo 2 with Gemini Robotics, we saw the models improve dramatically in just a few weeks of post-training».
Humanoids Daily añade que DeepMind acredita a Gemini 4 Argon el ciclo de cuatro meses: el modelo de frontera corrió miles de intentos en simulación y revisó repeticiones de los errores del robot para corregir la técnica y las recetas de entrenamiento. Apollo 2 lleva la mano SharpaWave de cinco dedos y 22 grados de libertad, y la prueba cubrió tareas como tomar comida con pinzas, atar un lazo y pipetear líquidos, además del kitting industrial.
Lo que la prueba no muestra
Servospace, que reseñó el anuncio con la cobertura de Ars Technica, marca los límites: el 96% sale de un proof of concept, no de un despliegue comercial; DeepMind no publicó cuántas tomas cubre la cifra, ni tiempo de ciclo, duración del turno ni costo, así que el rendimiento contra un operador humano no puede medirse. También señala que el video de la fábrica está acelerado al doble de velocidad y que Gemini Robotics 2.5 corre en servidores, no dentro del robot, lo que agrega latencia y dependencia de red en una línea de producción. Carolina Parada, jefa de robótica de DeepMind, resumió el trade-off: especializar y perder generalidad, o apostar a la generalización «y quizás no llegar al 99,9% en todas las aplicaciones».
Seguridad y disponibilidad
El modelo usa guía de razonamiento en inferencia para esquivar peligros físicos en tiempo real; DeepMind dice que eso elevó la finalización segura de tareas un 33% alrededor de obstáculos y un 43% cerca de personas. También publicó ASIMOV-Jailbreak, un benchmark abierto con cientos de prompts que disfrazan pedidos inseguros: Argon alcanza 99,5% de resistencia a jailbreaks contra el 82% del baseline anterior, Gemini Robotics ER 2.
La disponibilidad es acotada: el modelo «is rolling out to our robotics partners», con Apptronik, Agile Robots y Boston Dynamics entre los socios citados, sin API pública, precios ni versión On-Device anunciados.




