我的立场：具身智能领域的发布节奏普遍是"能力优先"——先秀灵活的手指、协同的多机器人、复杂的多步任务，安全性能是事后补的一句话。ER 2 这次的数据分布反过来：一些面向能力的指标（比如进度分类）提升有限，安全相关指标的提升幅度远超其他任何一项。我认为这才是"可能做对了"的地方——机器人一旦进入有人共处的真实物理空间，安全性不是锦上添花的加分项，是能不能规模化部署的前提条件，这个优先级排序比任何一个具体的性能数字都重要。

ER 2 是什么：机器人的"高层大脑"，不直接控制电机

Gemini Robotics ER 2（Embodied Reasoning，具身推理）是一个专门负责"思考"而不负责"动手"的模型——它接收连续视频、音频、文本输入，对物理场景进行推理，规划多步骤任务，然后把具体的执行动作交给下层的视觉-语言-动作模型（VLA）或人类远程操作员去完成。可以把它理解成站在机器人旁边的项目经理，不亲自搬东西，但决定接下来该搬哪个、怎么搬、什么时候算搬完。它取代了 2026 年 4 月发布的 ER 1.6，同批还发布了负责实际动作执行的 Gemini Robotics 2（全身人形控制）和离线版 Gemini Robotics On-Device 2。

能力数字：有提升，但没有夸张到不真实

在成功检测（图像/视频判断任务是否完成）、具身推理问答（ERQA）、通用仪表读数这几项能力型基准上，ER 2 相比同批对比模型（包括 Opus 5、GPT 5.6 Sol、上一代 ER 1.6）都拿到了最高分，但提升幅度总体温和，多数在 4-13 个百分点之间。进度分类（判断任务完成到了百分之几）准确率是 57.4%——这个数字单看不高，但报告说明这已经是同批对比模型里的最高分，说明这类"持续追踪任务进展"的能力，目前全行业都还没做到能拿出手的水平。精准时刻定位（判断关键动作发生的确切帧）准确率 91.3%，平均误差 0.96 秒，执行速度是上一代的 4 倍——这是本次更新里少数几个数字既好看、又有实际意义的指标，因为它直接决定机器人能不能在正确的瞬间停止一个动作（比如倒咖啡时准确判断该停手的那一刻）。

真正的反差：安全性指标的提升幅度远超能力性指标

这是我认为最该被拎出来单独说的一组数据：安全指令遵循准确率，ER 2 达到 97.9%，而上一代 ER 1.6 只有 47.2%——不到 50% 意味着上一代模型对"哪些指令不该执行"的判断基本等于随机；人体近距离感知（1 米内）准确率，ER 2 达到 93.0%，上一代只有 51.1%。相比之下，同批对比的 Opus 5 和 GPT 5.6 Sol 在这两项上的分数（95.9%/91.4% 和 77.1%/83.4%）本来就不低，ER 2 这次是在一个别人已经做得不错的维度上，把自己从明显落后拉到全面领先。安全性指标从"及格线以下"跳到"全场最高"，这个提升幅度和优先级投入，远超任何一项能力型指标的进步。DeepMind 还专门引入了一个新基准 ASIMOV-Agentic，测试模型是否会拒绝执行下层 VLA 发出的不安全工具调用，以及是否知道该在什么时候向人求助而不是自己瞎猜。

评论员视角

「不酷」这个判断的依据是：安全指令遵循、人体距离感知这类指标，天生不适合做成演示视频里的高光时刻——没有人会为"机器人正确地没有撞到人"这件事鼓掌，但这恰恰是机器人能不能被允许进入家庭、工厂、医院这些有人共处空间的前提。具身智能行业过去一年的注意力，明显更多投向"能不能做复杂动作"，而不是"会不会在意外情况下做错事"，ER 2 这次的数据分布是少数几个把资源明确投向后者的信号。

但我也要提一个不该被忽略的警示：57.4% 的进度分类准确率，报告自己也承认这不是一个适合无监督运行在工厂产线上的数字。「同批最佳」和「可靠到能放手不管」是两个完全不同的标准，这中间的差距，恰怕才是接下来十二个月具身智能领域真正的看点——不是又出了哪个更炫的演示视频，是这类基础可靠性指标能不能追上安全性指标的进步速度。目前 ER 2 的开放程度也值得注意：它是整个 Gemini Robotics 系列里唯一一个可以通过 Gemini API 直接调用、不需要排队等合作伙伴资格的模型，负责实际动作执行的 VLA 模型仍然只对合作伙伴开放，这个开放节奏差异本身也是一个值得持续观察的信号。