Gemini Robotics ER 2

概览

Gemini Robotics ER 2（Embodied Reasoning 2）是 Google DeepMind 面向机器人的具身推理模型，作为机器人的「高层大脑」，适用于从固定机械臂、轮式车、四足到人形等各种形态。Gemini API 更新日志显示它于 2026 年 7 月 30 日开放公开预览（模型代码 gemini-robotics-er-2-preview），同时宣布旧版 gemini-robotics-er-1.6-preview 于 2026 年 8 月 31 日停用；2026 年 10 月 27 日 Google Cloud 宣布它在 Gemini 平台上以公开预览提供给企业。官方文档称它基于 Gemini 3.5 Flash，增强了空间推理、视频关键时刻定位、视频进度分类、多机器人编排和多步工具调用。能力包括：指点、跟踪、边界框和轨迹等空间推理；读取圆盘表、液位计、数字屏、刻度尺、温度计等 10 余类仪表；把任务进度判为二值、分类或连续分数，失败步骤可原地重试而不必重跑整个流程；官方称定位关键视频帧（如何时停止倒液体）的准确率 91.3%、平均误差 0.96 秒，执行速度是许多更大模型的 4 倍。开发者可把底层的视觉-语言-动作（VLA）模型、导航 API 或自定义函数声明为工具，由它根据自然语言指令编排，例如把「把苹果放进碗里」拆成定位、抓取、放置。另有为实时场景优化、走 Live API 的流式版本 gemini-robotics-er-2-streaming-preview。规格：输入文本、图片、视频和音频，输出文本，输入上限 131,072 token、输出上限 65,536 token；支持思考、函数调用、代码执行、结构化输出、缓存、搜索与地图落地、URL 上下文、文件搜索、计算机使用和 Batch API。官方提醒：模型可能出错，机器人周围的安全环境需使用者自行保障。官方来源：https://ai.google.dev/gemini-api/docs/robotics-overview 、https://ai.google.dev/gemini-api/docs/models/gemini-robotics-er-2-preview 、https://cloud.google.com/blog/products/ai-machine-learning/gemini-robotics-embodied-reasoning-2-is-now-available-on-google-cloud （2026-10-28 核对）。 定价：Gemini API 付费层截至 2026-12-31 为每百万 token 输入 $1.00、输出 $5.00（含思考 token），上下文缓存 $0.10（另加存储 $0.50/百万 token/小时），Batch 输入 $0.50、输出 $2.50；2027-01-01 起调整为输入 $2.00、输出 $10.00、缓存 $0.20（存储 $1.00/百万 token/小时），Batch 同步翻倍。另有免费层（标准接口输入输出均免费）。

模态

多模态

许可说明

闭源 · 闭源

能力

• +Google DeepMind 面向机器人的具身推理模型，作机器人的「高层大脑」，基于 Gemini 3.5 Flash
• +空间推理：指点、跟踪、边界框、轨迹、仪表读数（10 余类仪表）与视频关键时刻定位
• +视频进度分类与任务完成校验，可自我纠错；官方称关键帧定位准确率 91.3%
• +把 VLA 模型、导航 API 或自定义函数声明为工具，按自然语言编排长程任务与多机器人协作
• +输入文本/图片/视频/音频，输出文本；输入上限 131,072、输出 65,536 token；另有 Live API 流式版