Gemini Robotics 2.5: 96% de éxito en fábricas de Mercedes

Gemini Robotics 2.5: la IA física de DeepMind sube de nivel

Google DeepMind presentó Gemini Robotics 2.5, la nueva versión de su modelo de visión-lenguaje-acción (VLA) para robots. El dato que resume el anuncio: los robots Apollo 2 de Apptronik equipados con este modelo alcanzaron un 96% de éxito preparando piezas de automoción en varias fábricas europeas de Mercedes-Benz.

Para un founder que sigue la automatización industrial, la cifra importa por lo que implica: el anuncio sugiere que un modelo de IA generalista se está acercando al umbral donde la robótica deja de ser una demo de laboratorio y entra en una línea de producción real.

Cómo funciona la arquitectura

DeepMind divide su plataforma de IA física en dos capas. La primera es Gemini Embodied Reasoning, un modelo de visión-lenguaje que toma las instrucciones del usuario y usa video en vivo para planificar cómo el robot debe resolver la tarea. La segunda es Gemini Robotics, el VLA que traduce ese plan en acciones físicas concretas —mover un actuador, cerrar una pinza— y que ahora llega a la versión 2.5.

Leíste lo que hace la IA. ¿Y en tu negocio?

Un agente de IA puede quedarse con parte de tu día: ordenar lo pendiente y pedirte el OK antes de actuar. El Kit «tu mano derecha con IA» trae un video de 11 minutos y una ficha para dejar al tuyo trabajando. CAR está cerrada por ahora; al anotarte, te avisamos cuando abra.

👥 Quiero el Kit →

La versión anterior de la familia, Gemini Robotics 2, se presentó el 30 de julio de 2026 e incorporó control de cuerpo completo para robots humanoides, según CryptoBriefing. La 2.5 se apoya en esa base y suma destreza y velocidad de aprendizaje.

¿Qué tan bueno es Gemini Robotics 2.5 en tareas reales?

DeepMind evaluó el modelo en más de 200 actividades, incluidas tareas de manipulación fina como servir comida con pinzas o usar una pipeta de laboratorio. En laboratorio, la mejora frente a la versión anterior es de 30% a 100% más de tasa de éxito y entre 20% y 30% más de velocidad.

El logro técnico más llamativo es la capacidad de Apollo 2 para atar un lazo con sus manos de cinco dedos. Los objetos deformables —como una cinta— son notoriamente difíciles de manipular para un robot, porque su forma cambia mientras se los agarra.

Pero el dato que de verdad mueve la aguja es el de la fábrica. En el piloto con Mercedes-Benz, los robots hicieron kitting de piezas de automoción con un 96% de éxito. El director de DeepMind, Kanishka Rao, reconoció que cerrar el 4% restante será «un camino empinado»: un humano haciendo esa misma tarea repetitiva acierta prácticamente siempre.

Ese 4% no es un detalle menor. Es exactamente la diferencia entre un piloto y un despliegue a escala.

ASIMOV-jailbreak: el benchmark abierto de seguridad

El anuncio no fue solo de capacidad. DeepMind también publicó un benchmark abierto de seguridad para robótica, bautizado ASIMOV-jailbreak, orientado a medir la resistencia de los modelos a manipulaciones adversariales —el equivalente robótico de intentar engañar a una IA para que se comporte mal—, según CryptoBriefing.

La versión 2.5 también incorpora mejoras de steerability, es decir, mayor control del operador sobre el comportamiento del robot, y una resistencia reforzada frente a ataques adversariales.

¿Por qué importa? Porque cuando un robot comparte piso con personas, la seguridad deja de ser un paper y se vuelve un requisito de compra. Un benchmark abierto permite que terceros —clientes, reguladores, integradores— comparen modelos con el mismo rasero en lugar de fiarse del marketing del proveedor.

La carrera humanoide: dónde está parado cada jugador

El contexto ayuda a dimensionar el anuncio. Según TechRepublic, el sector está lleno de pilotos, pero pocos con métricas públicas comparables:

Agility Robotics: sus robots Digit movieron más de 100.000 contenedores en un almacén de GXO en Georgia y acumulan más de 65.000 horas de operación real. La compañía reporta más de US$300 millones en órdenes comprometidas para su modelo Digit 5.
Figure AI: durante un piloto de 2025 en la planta de BMW en Spartanburg, los Figure 02 manipularon más de 90.000 componentes de chapa y acumularon unas 1.250 horas de operación, apoyando la producción de más de 30.000 vehículos X3. La flota fue mayormente desmantelada en septiembre.
Apptronik: entrena a sus Apollo 2 en un centro de casi 90.000 pies cuadrados en Austin, combinando teleoperación y ejecución autónoma.
Tesla: reportó en su actualización del tercer trimestre de 2026 un arranque temprano de producción de Optimus en Fremont, con entregas a clientes externos proyectadas para finales de 2027.
UBTech: vendió 921 unidades de su línea de humanoides en el primer semestre de 2026 y reportó órdenes por más de 800 millones de yuanes (unos US$112 millones).

Lo que revela la comparación es que el cuello de botella ya no es caminar ni agarrar objetos: es la fiabilidad sostenida en turnos completos, con intervención humana mínima y costos operativos que cierren.

¿Qué significa esto para tu startup?

Aunque no construyas robots, hay tres lecturas prácticas.

1. La IA física ya tiene un proveedor de capa base. DeepMind está posicionando a Gemini Robotics como una capa de destreza que funciona sobre distintas arquitecturas de hardware, y ya la está desplegando con partners de la industria. Si tu startup opera en logística, manufactura o retail, el modelo de negocio a vigilar no es «comprar un robot», sino integrar una capa de IA sobre hardware de terceros.

2. El 96% es tu nueva vara de medir. Cuando un proveedor de automatización te presente un caso de éxito, pide la tasa de éxito, las horas de operación y la frecuencia de intervención humana. El piloto de Mercedes-Benz con 96% es un benchmark público contra el que puedes comparar cualquier propuesta comercial.

3. La seguridad ya es un argumento de venta. Que DeepMind libere un benchmark abierto de jailbreak robótico anticipa lo que tus clientes enterprise van a pedir en sus procesos de compra: evidencia de que el sistema resiste manipulación. Si vendes software que controla hardware, preparar esa documentación antes de que la pidan es una ventaja competitiva.

Conclusión

Gemini Robotics 2.5 no es un salto de ciencia ficción: es un salto de fiabilidad. El 96% en fábricas de Mercedes-Benz y el 30-100% de mejora en laboratorio muestran que la IA física está cruzando el umbral donde la pregunta deja de ser «¿puede hacerlo?» y pasa a ser «¿puede hacerlo miles de veces seguidas sin fallar?».

Ese último 4% —el que Kanishka Rao describe como un camino empinado— es donde se va a decidir qué startups de automatización construyen negocios reales y cuáles se quedan en la demo.