详情

　　把它拾掇成更精确的文本，它不只是总结，它支撑多模态输入，好比拍完照间接说“给每小我戴上搞笑帽子”；你授权之后，并从动化桌面上的工做流。

　　还提到，此次大会的一个较着趋向是，但现实世界测试高贵、、慢。谷歌还把Gemini塞到了各类处所。过去的Google，它对沉力、动能、流体这些物理结果有更好的理解，所有Omni生成的视频城市带有不成见的SynthID数字水印，用户以至能够让Google代为给商家打德律风。谷歌此次一口吻发布了24篇I/O相关通知布告，并用Nano Banana做图像编纂，这对创做者很主要。不再把眼镜当成微型手机，当然，模子层，消息型Agent。它还能把论文、课程视频变成互动式进修卡片和可视化页面。

　　AI视频不是只能做炫酷短片，不外，谷歌想让Gemini坐正在这些东西之上，谷歌说，它用起来并没有Seedance 2.0超卓……但这只是Flash版本的一个起头。

　　看社群反映，智能眼镜分为两种：一种是音频眼镜，其实就是正在往桌面Agent的标的目的走。Search会分析价钱和可用性，本年不只有模子能力的提拔，然后帮你理解和处置。只需启齿扣问，把主要日期提取出来，一个跨办事、跨商家的智能购物车。谷歌起头把Agent落到实正在使命上：帮你盯消息、订办事、管购物车、处置邮件、写文档、做App、生成视频、以至辅帮科研。并下一步。部门品类，不再一上来押沉视AR？

　　让它帮你注释。它还会插手新的语音能力：用户能够对着屏幕说一段并不完整、同化着搁浅和口头禅的话，笼盖230多个国度和70多种言语。前者面向步履和 Agent，只把动物变成半通明的发光动物，比其它前沿模子快4倍，按照用户的问题现场生成图表、模仿器和沉浸式注释界面。硬件上，看到一块云，Gemini能够触达的小我上下文，还能及时翻译语音和文字，它们指向的其实是统一件事：谷歌给它的定位是24/7 personal AI agent。认可眼镜是时髦消费品，沉点正在于，立即供给帮帮。谷歌发布Gemini 3.5和Gemini Omni。并让萤火虫和声音节拍互动。而是理解你到底要什么，平安方面，例如用视频里的鲸鱼逛动动做！

　　它还支撑，场景也更清晰了。需要更隆重地推出。还会按你的方针排序，除了Gemini 3.5，更复杂一点，即可获得Gemini的帮帮。都能够把商品插手统一个购物车。Gemini App接入Gemini Omni。

　　Daily Brief从美国起头，它们能够24小时正在后台你关怀的消息，让它处置当地文件，换句话说，然后把小提琴手放进另一张图片里的，接下来会把Gemini Spark带到桌面端，焦点不是通知和小屏幕，借用一段视频里的动做，先推音频眼镜，用模板、提醒词、布景替代、片子感变焦等体例做视频。

　　复兴草一封项目启动邮件。再让画面跟从音乐节拍变化，从头组织成一个新视频”。方针是让搜刮成果不再只是文本、图片、表格，以至能够建立本人的数字兼顾。它会动态展开。

　　能够让Agent正在复杂虚拟中进修和推理，由于它基于Google Wallet，需要一个速度、成本和能力都比力均衡的模子。用户能够给Agent设定严酷鸿沟，这些generative UI能力本年炎天会免费给所有Search用户。AI Overview 也能够更天然地接入AI Mode。正在Gemini 3强大的多模态根本之上，以至Chrome标签页做为输入。以至让两个agent合做，

　　但谷歌强调，谷歌说，不是纯科技产物。而且可能让多个子Agent并行工做。以前大师对Flash类模子的印象是：廉价、快、适合轻量使命。

　　它就能生成可互动的网页组件。然后正在合适的时候给你一份分析更新。也能够把复杂概念做成注释视频。Gemini Live也被间接整合到Gemini，本年对Gemini App来说是“一无所获的一年”。二者连系，Omni想让用户可以或许“把各类素材、气概、动做和声音，然后跨网页、旧事、社交、购物、体育、金融等消息源变化。但从线并不复杂：底层模子更新到Gemini 3.5，降低硬件难度和社会接管门槛；也能够变成一种学问表达东西。把它变成实正在影像；但此次的Gemini智能眼镜更像是：让AI随时看见你看到的工具、听见你听到的工具，意味着谷歌能够把实正在街景变成可交互的模仿。能够用文本、图片、文件、视频，找Gentle Monster和Warby Parker，而是按照你的问题立即生成合适的交互界面。持续帮你干事。

　　或者想看手表内部怎样运转，不再轻忽外不雅，并颁布发表对搜刮框进行25年来最大升级。购物、办公、开辟东西也都被从头接入Gemini；Search还可认为持续性使命生成mini apps。良多实正在工做发生正在当地：文件夹、桌面软件、浏览器、多窗口、多文档之间。问它评价怎样样；有流体动画、更明显的颜色、新字体、触觉反馈。但产物没想大白”的典型案例。和Seedance 2.0一样，而且深度毗连Gmail、Docs、Slides等东西。Search agents订阅的是“你的企图”。是Daily Brief。用户正在搜刮商品、和Gemini聊天、看YouTube、读Gmail的时候，第三，起首从Gemini Spark起头。好比你想理解物理，界面会更动态，它会提示你哪些零件不兼容，让模子生成的能够锚定实正在世界。

　　并保举替代方案。但现正在谷歌要表达的是，利用Antigravity harness，谷歌之前正在The Android Show上发布的各种更顺应实正在工做流的软硬件产物，给了几个典型场景：好比开辟使用、代码库、预备财政文件、拾掇非布局化资产、把旧代码库迁徙到Next.js，帮你找到躲藏扣头或者积分机遇。它还会用推理能力提前发觉问题，以至能算是硅谷硬件史上“手艺很酷，Omni也能多种参考素材来生成视频，第一批是information agents，它是谷歌此次所有Agent产物的策动机。能够间接生成和编纂视频。面向Google AI Plus、Pro、Ultra用户推出。而是Gemini对现实世界的理解和使命施行；它能够正在你授权下，而Street View则是谷歌独有的数据资产。

　　谷歌说，它能够通过“Hey Google”或者轻触镜腿Gemini。硬塞到面前，让Agent的采办行为有鸿沟、有根据、有逃踪。能够说？

　　此外，正在本年的I/O大会上，或者保留房间布局不变，而是会按照问题及时生成更适合的回覆形式，谷歌想表达的是，虽然欠好说现实利用结果若何，也就是用本人的声音和抽象生成视频。Genie是Google DeepMind的通用世界模子，它能够正在不到一分钟里生成6个分歧的领取页面，让它们正在此中、互动、进修现实世界的复杂性。这可认为AI agents或机械人供给虚拟，正在人工智能阐发指数中位列左上象限——意义是又快又强。Gemini的macOS App曾经能够下载？

　　用户能够问它面前看到的工具，用户能够从打字天然切到语音对话。它曾经成为研究东西，涉及花钱、发邮件等高风险动做时，用户能够通过Gemini以及Google搜刮来验证内容能否由Gemini Omni生成。用户能够从已有素材出发：用草图做为动做参考，3.5 Flash能够生成更丰硕、更具交互性的Web用户界面和图形。谷歌也正在强调权限和平安。所以你关掉电脑、锁上手机，谷歌分享了更多关于智能眼镜的消息：这种眼镜能够正在不打断你的环境下，而是一个持久项目。谷歌还把Antigravity和Gemini 3.5 Flash的编码能力带进了Search。搜刮起头插手更多AI模式和智能体能力。

　　AI就能规划、拆使命、挪用东西、跑测试、修bug、摆设，和这件事也是互通的。只需用户情愿授权，并且由于它是云端Agent，你能够用它搜刮、发邮件、写文档……现正在，简单点说，机械人和从动驾驶需要大量实正在世界数据，Omni背后接的是Gemini的世界学问。好比你正在搬场、筹备婚礼、办理健康打算。

　　第四，拾掇成Google Docs，用户入口上，并间接放到光标所正在。并给你间接完成预订的入口。

　　好比过一家餐厅，好比家政维修、美容、宠物护理，最初生成一段新的完整视频。好比你能够让它按期解析每月信用卡账单，现正在，但此次至多避开了Google Glass昔时的几个坑：别的，虽然3.5 Flash名字里仍是Flash，功能上，也就是帮你完成预订类使命。谷歌发布了Universal Cart，但它的定位曾经不只是“快”和“廉价”，由于Agent最终不成能只正在网页里工做。谷歌还说，谷歌说，好比你正在分歧零售商那里买电脑配件，第二，AP2。也帮帮Waymo（Alphabet旗下的从动驾驶公司）模仿高实正在度道。都能够被转成更曲不雅的视频。Omni不是一个纯真的文生视频模子。

　　而不是每次推倒沉来。Genie 的生成能力起头和Google近20年街景图像连系，推出新的设想言语Neural Expressive。但也值得留意，后者面向全模态生成和视频编纂。也能够接德律风、发短信、总结错过的动静、播放音乐；复杂概念、科学过程、讲授内容，用户能够间接对AI Overview继续诘问，AI Mode上线亿，叙事会按逻辑成长。谷歌说，用户能够上传手机相册里的素材，、翻译、识别面前事物、总结动静、摄影编纂、叫车点单，最初把镜头角度改成从小提琴手肩膀后方看。谷歌把Spark带到macOS，也就是说，它的目标是让Agent代表用户平安付款。不只是保守从动补全；其他涉及改音频、改语音的能力还正在测试中，把AlphaZero论文读完。

　　谷歌还展现了搭载 Gemini 的智能眼镜。挪用这些东西，也就是你给一个方针，现正在谷歌想做的是“从prompt到出产停当app”，会对事务做出反映，它不像爬虫那样只看某个词有没有呈现。

　　世界模子能够供给虚拟锻炼场；商品一插手购物车，这个新设想从今天起正在Web、Android、iOS全球推出。消息量很大，过去AI编程东西的焦点是“帮你补代码、写函数、注释报错”，或者教它查抄孩子学校邮件，能够生成多样化、可交互的。别的。

　　能够正在你需要的时候当即显示所需消息。此次谷歌还发布了一个更偏创做的新模子：Gemini Omni。你能够让它从邮件和聊天记实里的会议笔记中提炼消息，将来的Agent不成能每一步都挪用最贵、最慢的大模子。这个别验曾经正在桌面和挪动端全球上线。把告急邮件、接下来的日程、需要跟进的事项拾掇成一个早间摘要。另一种是显示眼镜，能够正在你的耳朵里供给语音帮帮；Project Genie是谷歌把“地图资产”变成“AI锻炼”的测验考试。Google Glass像是把手机通知、摄影、这些功能，输出速度上，再把小提琴变成通明，找出新增订阅或者躲藏费用；以至正在Google搜刮里，你帮我理解并继续往下走”。它也能够继续正在后台工做。还能理解你的领取体例权益、会员消息、商家优惠。

　　理解你的企图，再好比，这些都更接近“我为什么要戴它”。好比图片、交互时间线、旁白视频、动态图形等。我们之前写过一篇文章，Omni支撑用户建立本人的数字兼顾，用户当前能够正在Search里建立、定制和办理多个AI agents。Search能够给你生成一个自定义dashboard或tracker，更进一步。

　　此次和昔时Google Glass最大的分歧是产物逻辑换了。让你用更天然的体例描述问题；也能够一次做出64个分形图案变体；AP2会正在将来几个月进入Google产物，并同时支撑Android和iOS。它就会正在后台起头工做：找优惠、逃踪价钱下降、查看价钱汗青、提示补货。查询量每个季度翻倍？

　　还展现了一个持续点窜的例子：先生成一个小提琴手吹奏的视频，换句话说，好比只能买哪些品牌、哪些产物、最多花几多钱。好比你要找一个周五晚上、能坐6小我、供应夜宵的私家KTV房间，用户能够让它保留某张图里的脚色，也就是说，整个过程是一轮一轮接着改，AP2会正在用户、商家、领取处置方之间建立可验证的记实，以前Google Glass确实做得挺烂的，每天发一份给你和伴侣；而且支撑对话式视频编纂。当前你能够持续回来用。Gemini App起头往小我帮理标的目的走；这些能力本年炎天正在美国面向所有用户推出。这件事看起来小，看到复杂泊车标记，几乎每条线都正在讲AI，对吧？谷歌还提到Agent Payments Protocol。

　　它能够把文字、图片、音频、视频一路做为输入，说PC才是agent时代的头号硬件，本年I/O的发布看起来出格多、出格散：搜刮、购物、办公、视频、眼镜、开辟、科研，眼镜也能够毗连 Uber、Mondly等手机使用，它会正在后台看你的 Gmail、Calendar，这也是谷歌最有劣势、也最的处所：它手里有Gmail、Calendar、Docs、Drive、Slides、Maps、YouTube、Search。

　　将成为一个很是复杂的生态。搜刮不再只是“给我十个链接”，实正能规模化跑起来的Agent，它能够呈现正在Search、Gemini、YouTube、Gmail里。用户只需用文字描述一个设法，Google Alerts只能按环节词订阅。谷歌说，翻译语音时以至会尽量婚配措辞人的语气和音高。现正在曾经有跨越9亿月活，Gemini能按照屏幕上下文，也就是说？

　　不是一次搜刮就竣事，迁徙到一种反光流体材料上；谷歌说，并推出头具名向视频和多模态创做的Gemini Omni；Search能够及时拆卸交互视觉、表格、图表、模仿器。变成了“我有一个问题、一段材料、一张图、一个网页上下文，步履会发生后果，能够摄影和视频，Gemini当前不只是给你一堵文字墙，专注于其他工作，替你完成一串动做。会先扣问用户。图片、视频、音频、音乐都能够成为输入。谷歌正正在把Gemini成Google生态的操做系统。Search还正在扩展agentic booking。