96% 这个数，我先不给它鼓掌。
它是概念验证的成绩，不是量产的。地点也不在实验室，是奔驰在匈牙利凯奇凯梅特和德国辛德尔芬根的在用汽车产线。
IT 之家 11 月 10 日那篇报道写得比较具体，我把能核的都挑出来。
它干的是哪一步
Apollo 2 人形机器人，从物料箱里取出金属汽车支架，放进排序容器，过程中自动修正间隙。
分工是两层：具身推理模型 Gemini Robotics ER 负责跟踪工作流程，动作模型 Gemini Robotics 2.5 负责控制手臂和手。
这活在产线上叫备料。把散料箱里的单个零件，按线上每台车的顺序需求，分拣到规整托盘里。重复、费体力，技术含量不高，但顺序错一个就麻烦。
96% 换成次数，是每 25 次错 1 次
24 除以 25 正好 0.96。所以是每 25 次里有 1 次没过。
这条线一天要搬多少次，报道没写，【暂无相关资料】。所以我只能给比例，给不出「一天错几次」。
差别很大。4% 放在一天几十次的工位上，就是隔天出一次；放在一天上千次的工位上，就是每小时都在出。
我手上没有频次数据，算不下去。
成功率高 30% 到 100%，但基线是谁没写
官方给的是：相较此前基线，按任务类型不同，成功率高出 30% 至 100%，任务完成速度快 20% 至 30%。
一个区间宽到三倍多的相对值，说明不同任务提升幅度差得很远。
「此前基线」四个字之后，没有名字。是哪个模型、哪一版，报道没写，我也查不到，【暂无相关资料】。
看这种区间，别只记上限。
快两到三成，这条我觉得比成功率值得看
成功率回答「能不能干」。速度回答「划不划算」。
能干但比人慢三成，产线不会换。快两到三成，才开始有账可算。
不过这只是拣选这一段的节拍。整条线的产能不由这一段决定，整线数据我没有，【暂无相关资料】。
两个真车间，不是搭台子
凯奇凯梅特、辛德尔芬根，都是在用的产线。
在用产线停一分钟都是钱。愿意让机器人上手，本身就是个信号。
但也别读过头。这是概念验证、试点项目，IT 之家原文用的就是这两个词。不是量产铺开。
手不一样，同一套模型都能跑
Apollo 2 装的是五指、22 自由度的 SharpaWave 手。
Franka Duo 用的是两指平行夹爪。
一个五指一个两指，同一个动作模型都能驱动。对工厂来说这条比分数实在，不用为了上模型换一整套末端执行器。
22 个自由度算高还是低，我没法评估，【本人未实测】。能说的只是它比两指夹爪复杂得多。
会系蝴蝶结，也会移液
200 多项任务，除了产线搬运，还有用夹子分食物、给礼品盒系蝴蝶结、移液操作液体。
系蝴蝶结难在力度的连续控制。带子拉紧一点就皱，松一点就散。移液难在精度，手一抖整批样本就废。
这两件事跟搬金属支架不是一类技能。一个模型都做，说明它练的是通用动作，不是给某个工位专门训的。
安全这一块：障碍物 +33%，人 +43%
谷歌这次提的是「推理时推理引导」，动手之前先判断一遍会不会撞上。
效果数据：障碍物周边的安全任务完成率提升 33%，人员周边提升 43%。
人比障碍物高 10 个百分点。
我的解读是模型对人的判断更保守一点。这只是我的看法，原文没这么解释。
名字起得挺坏的那个基准
ASIMOV-Jailbreak，开源。数百条提示，全伪装成危险请求，覆盖几十类场景。
结果是 Gemini 4 Argon 的越狱抵御率 99.5%，前代基线 Gemini Robotics ER 2 是 82%。
差 17 个百分点。
这条我不太敢下判断。99.5% 是在这个基准的分布上测出来的，换一套攻击手法，数会变。
我不知道的几件事
一天搬多少次，没写。
4% 失败之后怎么处理，报警等人接手还是自己重试，没写。
基线是哪个模型，没写。
这套东西跑一年多少钱，没写。
96% 是一次跑出来的还是多次平均，没写。
这五个缺口里，我判断「失败之后怎么处理」影响最大。产线上 4% 的失败如果都要人接手，这个机器人省下的工时就得重新算。但我没有这方面的材料。
我的看法
96% 是这条新闻里最好记的数，也是最容易被读错的数。
它说明的是这件事：在这两个车间的这一道备料工序上，25 次里有 24 次成了。
要说它「上岗」了，还差三个数：一天干多少次、失败怎么收场、一年省多少钱。这三个数报道里一个都没有。
所以现在能说的是：一次跑通的概念验证。离量产报告还有距离。
你所在的行业里，有没有那种「人觉得简单、机器觉得难」的活？