谷歌I/O大会的10个新东西，用Gemini接管一切

一年一度的谷歌I/O开发者大会，再次将全球的目光聚焦在山景城。与往年相比，今年的发布会透露出一个更清晰、更激进的信息：谷歌正试图用Gemini人工智能，全面接管用户从搜索、创作到日常任务执行的每一个环节。

Gemini 3.5 Flash：更快更强的模型核心

发布会最先登场的是新一代大语言模型Gemini 3.5 Flash。其核心卖点在于性能与效率：据称，其输出速度可比其他前沿模型快上4倍，在人工智能分析指数中占据“又快又强”的右上象限。

定价策略也体现了定位差异。3.5 Flash的输入定价为每百万token 1.5美元，输出为每百万token 9美元。这一价格比Gemini 3 Flash贵了约3倍，但比Gemini 3.1 Pro便宜了40%，意味着它在性能与成本之间找到了一个新的平衡点。

能力上，3.5 Flash在上一代强大的多模态基础上更进一步，尤其擅长生成丰富、交互性强的Web用户界面和图形。演示显示，它能在不到一分钟内生成6个不同的支付页面，或一次创造出64个分形图案变体。用户仅需文字描述一个想法，模型就能生成可交互的网页组件。

更复杂的应用在于内容转化。它可以将学术论文或课程视频，转化为互动式学习卡片和可视化页面。甚至在Google搜索中，也能根据用户问题现场生成图表、模拟器和沉浸式解释界面。谷歌将其定位为“能从任何输入，生成任何内容”的模型。目前，视频生成是第一步，未来还将支持图片、音频等多种输出形式。

Gemini Omni Flash：从多模态输入到完整视频

紧随其后的是Gemini Omni Flash，首个上线的“从任何输入生成任何内容”的模型。它已面向Google AI Plus、Pro和Ultra订阅用户开放，可在Gemini App和Google Flow中使用，并免费接入YouTube Shorts和YouTube Create App。未来几周，还将通过API开放给开发者和企业客户。

值得注意的是，Omni并非单纯的文生视频模型。它能够将文字、图片、音频、视频同时作为输入，合成一段完整视频，并支持对话式视频编辑，大大降低了视频创作的门槛。

焕然一新的Gemini App

过去一年对Gemini App而言堪称“硕果累累”，其月活跃用户数已从去年I/O时的4亿飙升至超过9亿，覆盖230多个国家和70多种语言。此次大会，App本身也迎来了多项重要更新。

首先，自然是接入了全新的Gemini 3.5 Flash模型。其次，推出了名为“Neural Expressive”的新设计语言，界面将更动态，拥有流体动画、更鲜明的色彩和新字体，并整合了触觉反馈。

Gemini Live功能被直接整合进主应用，用户可以从打字自然切换到语音对话。更重要的是，Gemini的回答将不再局限于“文字墙”，而是能根据问题实时生成最合适的呈现形式，如图片、交互时间线、旁白视频或动态图形。这一新设计已在Web、Android和iOS平台全球推出。

Gemini Spark：你的24小时云端个人助手

本次大会最值得单独关注的产品之一，便是Gemini Spark。谷歌将其定位为“24/7 personal AI agent”，即一个能在用户授权下持续工作的智能体。

它运行在Gemini 3.5之上，深度连接Gmail、Docs、Slides等谷歌办公套件。作为云端Agent，即使用户关闭电脑、锁上手机，它也能在后台持续工作。

谷歌给出了几个典型场景：让它定期解析信用卡账单，找出隐藏费用或新增订阅；教会它检查孩子的学校邮件，提取重要日期并每日生成简报；或者，从邮件和聊天记录的会议纪要中提炼信息，整理成Google Docs文档，并起草项目启动邮件。

这无疑是典型的Agent叙事：跨应用自动化完成一连串任务。这也是谷歌最具优势也最敏感的领域——手握Gmail、Calendar、Docs、Drive、Search、YouTube等核心应用，只要用户授权，Gemini能触及的个人上下文将构成一个无比庞大的生态。当然，谷歌也强调了权限与安全，Spark需用户手动开启并选择连接的应用，涉及消费、发邮件等高危操作时会预先征求同意。该功能本周将面向受信测试者，下周计划作为Beta版向美国Google AI Ultra用户推出。

进入桌面：macOS版Gemini

一个容易被忽略的更新是Gemini推出了macOS桌面版应用。谷歌计划将Spark能力带到桌面端，使其能处理本地文件并自动化桌面工作流。

此外，还将加入新的语音能力：用户即使对着屏幕说一段不完整、夹杂停顿和口头禅的话，Gemini也能根据屏幕上下文，将其整理成准确文本，并直接插入光标所在位置。这看似微小的改进，实则意义重大，因为许多真实工作发生在本地环境和多窗口之间。将Agent能力延伸至桌面，是走向真正实用化的关键一步。

Google Search：25年来最大改版

本次最具象征意义的产品更新，莫过于Google Search。其搜索框迎来了25年历史上最大的交互变革。

新搜索框将动态展开，允许用户以更自然的方式描述问题；它会根据意图给出AI建议，而非传统的自动补全；同时支持多模态输入，用户可以使用文本、图片、文件、视频甚至Chrome标签页作为搜索起点。这意味着，搜索从“给我十个链接”演变为“基于我的问题或材料，请帮我理解和推进”。

AI Overview功能现在也能更自然地接入AI对话模式，用户可以直接对概述结果进行追问，搜索将带着上下文进入连续对话。这一体验已在桌面和移动端全球上线。

更进一步的Agent化能力体现在“Search agents”上。用户未来可以在Search中创建、定制和管理多个AI智能体。首批推出的是“信息型Agent”，它们可以24小时在后台监控用户关心的主题，并在适当时机提供一份综合更新。这类似于升级版的Google Alerts，但不再局限于关键词匹配，而是能够理解用户的深层意图，并跨网页、新闻、社交、金融等多源信息进行监控。该功能计划于今年夏季面向Google AI Pro和Ultra用户推出。

同时，Search正在扩展其“袋里预订”能力。例如，当用户搜索“周五晚上、能坐6人、有夜宵的私人KTV”时，Search会综合价格和可用性，并提供直接完成预订的入口。对于家政、美容、宠物护理等部分品类，用户甚至可授权Google袋里拨打商家电话。这些能力将于今年夏天在美国向所有用户推出。

此外，谷歌将Antigra vity与Gemini 3.5 Flash的编码能力整合进Search，目标是让搜索结果超越文本、图片和表格，能根据问题即时生成合适的交互界面。例如，理解天体物理或手表内部结构时，Search可以实时组装交互式图表、模拟器和可视化组件。这些生成式UI能力将于今夏免费开放给所有Search用户。

更进一步，对于搬家、筹备婚礼、管理健康计划等持续性项目，Search可以生成一个定制化的仪表盘或追踪器，供用户长期使用。

Universal Cart：跨平台的智能购物车

谷歌发布了“Universal Cart”，一个跨服务、跨商家的智能购物车系统。它可以出现在Search、Gemini、YouTube、Gmail中，用户无论在何处浏览商品，都可将其加入同一购物车。

它的智能之处在于，商品一旦加入，便会自动在后台运行：寻找优惠、追踪价格历史、提醒补货。它甚至能运用推理能力提前发现问题，例如，当用户在不同零售商处购买电脑配件时，它会提示组件兼容性问题并推荐替代方案。

Gemini智能眼镜：AI的“自然入口”

备受关注的Gemini智能眼镜也公布了更多细节。与昔日的Google Glass不同，新产品逻辑发生了根本转变。Google Glass试图将手机通知、拍照等功能“塞”进眼镜，而Gemini智能眼镜的核心是让AI“看见”和“听见”用户所处的世界，并即时提供帮助，成为一个更自然的AI入口。

新眼镜分为两种形态：音频眼镜，通过耳内语音提供帮助；显示眼镜，在需要时眼前显示信息。两者都旨在解放双手，用户只需开口提问，即可获得Gemini的协助。音频眼镜将先行上市，计划于今年秋季推出。

从外观上看，新款眼镜设计日常了许多。功能上，用户可通过“Hey Google”或轻触镜腿唤醒Gemini，询问眼前所见事物的信息，如餐厅评价、云朵类型或复杂路牌解读。它还支持导航、接打电话、总结未读消息、播放音乐，并能进行拍照录像，随后通过语音指令直接编辑图片。实时语音翻译功能甚至会尽量匹配说话人的语气和音高。眼镜同时支持Android和iOS系统，并可连接Uber等第三方应用。

这次的产品路线显然避开了Google Glass当年的几个主要陷阱：不再将眼镜定位为微型手机，核心是AI对现实世界的理解与执行；不过度押注重AR，先推出接受度更高的音频眼镜；重视外观设计，与Gentle Monster等时尚品牌合作，承认眼镜是消费品而非纯科技玩具。应用场景也更加明确：导航、翻译、视觉识别、信息摘要，这些功能更直接地回答了“用户为何需要它”的问题。

Google Antigra vity 2.0：面向开发者的Agent工作台

在开发者侧，最重要的更新是Google Antigra vity 2.0。谷歌将其称为“以Agent为先的开发平台”，这意味着它超越了传统的IDE插件，旨在成为一个围绕智能体构建的完整开发生态。

本次发布了Antigra vity 2.0桌面应用、Gemini API中的“托管袋里”，以及AI Studio中的原生Android vibe coding功能。其目标不再是简单地辅助补全代码或解释错误，而是实现“从提示词到生产就绪的应用”——开发者给出一个目标，AI便能自主进行任务规划、拆解、工具调用、测试、调试直至部署，并可能协调多个子智能体并行工作。这标志着与Codex、Claude Code、Cursor等工具在同一赛道的竞争，谷歌的优势在于其整合了Android、Cloud、Workspace等在内的完整生态系统。

Project Genie + Street View：连接真实世界的“世界模型”

另一个偏向前沿探索的产品是Project Genie。虽然大会上细节披露有限，但结合街景技术的演示，暗示了谷歌正致力于构建连接真实物理环境的“世界模型”。这或许意味着，未来的AI不仅能理解和生成数字内容，还能与真实世界的街景、地理信息深度融合，开启全新的交互与应用可能。