发生了什么
10 月 27 日，谷歌云宣布 Gemini Robotics ER 2 在 Gemini 平台进入公开预览。这个模型今年 7 月已通过 Gemini API 与 AI Studio 面向开发者开放，但在企业云上一直处于私有预览；此次开放意味着客户可以在自己的 Google Cloud 项目里直接调用，沿用既有的权限、安全与计费体系。
- 定位：ER 即「具身推理」，模型不自带电机控制，而是充当机器人的高层大脑——理解连续视频、规划多步任务、判断每一步是否成功，再把动作交给视觉-语言-动作（VLA）模型或导航 API 执行。
- 接口：开发者把底层控制能力声明为「工具」，与聊天机器人声明函数的方式相同；模型可编排导航与机械臂 API，也能在动作进行中解释思路，让操作者用自然语言改指令。
- 底座：据 Google Cloud 文档，模型基于 Gemini 3.5 Flash，输入上限 131072 token、输出上限 65536 token；除标准版外还有走 Live API 的流式版本，面向需要低延迟连续音视频输入的机器人。
- 能力：官方称能在连续视频中定位关键事件所在帧，准确率 91.3%、平均绝对帧距 0.96 秒；可读取圆盘表、视镜、数字屏、直尺、液体温度计等 10 类以上仪表；并支持多机器人共享同一份空间语义、分工与交接。
为什么重要
机器人落地卡住的地方往往不是「会不会规划」，而是「知不知道自己干成了没有」。产线上一步失败若不能就地发现，整条流程就得重来。ER 2 的产品逻辑正是把「任务进度判定」做成模型能力：把进度分成二值状态、离散档位或连续分数，失败就重试那一步，而不重启整条流程。官方给出的另一组数字是真实 VLA 任务成功率从 ER 1.6 的 48.6% 提升到 60.0%。
对集成商而言，更实际的变化是工具链打通：在 MuJoCo-Warp 或 NVIDIA Isaac Sim 里先验证行为，用模型给 Cloud Storage、BigQuery 里的示范视频做标注，再在 GKE 或 Cluster Director 上训练自有 VLA；SLAM 与路径规划这类时延敏感负载可以下沉到工厂侧的 Google Distributed Cloud。已公开的客户包括波士顿动力（Spot 的视频巡检）、DeepReach、Arm 与新加坡 A*STAR 材料研究院。
不确定之处
上述精度与速度均为谷歌自有测试，未获独立复现；「4 倍执行速度」也未点名对比对象。预览期只开放全球端点，意味着数据驻留要求严格的客户暂时用不上区域端点；官方虽表示客户可将预览版用于生产或商业用途，但预览级服务通常不附带正式 SLA。定价页显示 2026 年 12 月 31 日前输入每百万 token 1 美元、缓存输入 0.1 美元、输出 5 美元，2027 年 1 月 1 日起调整为 2、0.2、10 美元——折扣期结束后的成本需要提前计入预算。