DeepMind lança Gemini Robotics 2.5 com 96% de acerto na Mercedes
Modelo de visão e ação guiou humanoide Apollo 2 na separação de peças na Alemanha e na Hungria, mas acesso segue restrito a parceiros industriais.
Edição: Anderson Gomes
· 3 min de leitura

A Google DeepMind lançou em 10 de novembro de 2026 o Gemini Robotics 2.5, modelo de visão, linguagem e ação voltado ao comando de movimentos físicos em robôs industriais e de serviços. Em um teste prático nas linhas de montagem da Mercedes-Benz, o sistema controlou o robô humanoide Apollo 2 e atingiu 96% de taxa de sucesso na separação e organização de peças automotivas. O avanço atende montadoras e empresas de logística interessadas em transferir tarefas manuais exaustivas para operadores autônomos. A nova versão trabalha com mais rapidez.
Robô humanoide separa peças em fábricas alemã e húngara
O teste de campo ocorreu nas fábricas da Mercedes-Benz em Kecskemét, na Hungria, e em Sindelfingen, na Alemanha. A aplicação focou na rotina de kitting automotivo, processo repetitivo em que o humanoide Apollo 2 retira suportes metálicos de caixas coletivas e posiciona os itens em bandejas organizadoras. A atividade exige abastecer a linha na sequência precisa de montagem de cada veículo e corrigir falhas de posicionamento em tempo real para manter o fluxo contínuo da fábrica. A máquina alcançou 96% de precisão.
O sistema divide o raciocínio do controle motor. Para coordenar o robô, o Gemini Robotics ER monitora o fluxo das operações fabris, enquanto o Gemini Robotics 2.5 aciona diretamente braços e mãos mecânicas na linha de produção. Nos galpões da montadora, o robô Apollo 2 trabalhou com a mão SharpaWave da Apptronik, dotada de cinco dedos articulados e 22 graus de liberdade mecânica. O software da DeepMind também opera a plataforma Franka Duo, que trabalha com garras paralelas de dois dedos.
O modelo Gemini 4 Argon acelerou a pesquisa. Com esse suporte, a equipe avaliou o Gemini Robotics 2.5 em mais de 200 tarefas distintas de laboratório, medindo a destreza no uso de ferramentas avançadas e na manipulação de objetos deformáveis ou delicados. Em comparação com as referências anteriores da DeepMind, o sistema obteve taxas de sucesso entre 30% e 100% maiores, concluindo ações de 20% a 30% mais rápido. Os testes práticos incluíram servir alimentos com pegadores, dosar líquidos com pipetas e amarrar laços em caixas de presentes.
DeepMind limita acesso a parceiros e cria testes de segurança
Carolina Parada assina o anúncio oficial da DeepMind. A publicação destaca novos controles de direcionamento para segurança física, recurso essencial para máquinas que operam ao lado de técnicos humanos. A empresa também apresentou um benchmark inédito desenvolvido para testar a resistência dos modelos contra ataques adversários de jailbreak focados em robótica. O Gemini Robotics 2.5 não tem distribuição pública e atende exclusivamente parceiros industriais selecionados.
A DeepMind apresenta os resultados como base para levar robôs humanoides ao trabalho comercial e fabril em larga escala. A Apptronik relatou que o modelo exigiu poucas semanas de pós-treinamento para atingir esse rendimento e registrou pouca perda de eficiência na transição entre o laboratório e a fábrica. A demonstração prática, contudo, limitou-se ao manuseio e sequenciamento de suportes automotivos em uma prova de conceito industrial controlada. O setor industrial exige constância comprovada.
- Google DeepMind
- Modelos e LLMs
Cisco integra modelos da OpenAI à telemetria de rede para acelerar resposta a ataques
Parceria usa GPT-6 Astra e o projeto Daybreak para correlacionar ameaças em contêineres e isolar falhas sem derrubar sistemas.
· 3 min de leitura

Auto Ontology MCP conecta bancos ao Claude e barra erros de SQL
Criado por gogoymh, o servidor em Python usa a camada semântica da NVIDIA para validar consultas e organizar notas no Obsidian.
· 3 min de leitura
Gondola dobra receita e eleva entrega técnica com Codex da OpenAI
Estudo de caso publicado pela OpenAI mostra equipe não técnica criando protótipos funcionais com modelos GPT-5.4, GPT-5.5 e GPT-6.1.
· 3 min de leitura