跳到正文
gihyo.jp·· 2026-05-20精選AI 評分86

Google 發佈 Gemini 3.5 Flash、Gemini Omni Flash,並公佈 Gemini Spark 個人 AI 智能體

Google、Gemini 3.5 FlashとGemini Omni Flashを発表、24時間体制で作業を支援する「Gemini Spark」も

AI 導讀

Google 在 Google I/O 2026 發佈 Gemini 3.5 Flash 和 Gemini Omni Flash,前者面向 Agent 與編碼工作,後者可結合文字、圖像、影片及音訊生成和編輯影片。

推薦理由

文章對照兩款新模型的用途與推出渠道,並交代 Gemini Spark 的測試及開放安排,呈現 Google 將模型能力延伸至影片創作和背景代理工作的具體路徑。

正文 · 繁體中文

Google於2026年5月19日,在年度開發者大會「Google I/O 2026」上,公布新一代模型系列「Gemini 3.5」,以及面向影片生成和編輯的新模型系列「Gemini Omni」。此外,Google亦公布Gemini應用程式的新功能,包括全新設計語言「Neural Expressive⁠」⁠、早晨個人化摘要「Daily Brief⁠」⁠、24小時全天候協助工作的個人AI智能體「Gemini Spark⁠」⁠,以及macOS版桌面應用程式的推出和未來更新等。

Google表示,Gemini應用程式的月活躍用戶數在去年5月Google I/O舉行時為4億人,而截至同日公布時已增至超過9億人。

Google I/O 2026公布了AI搜尋、開發者工具等多方面消息,本文將集中整理與Gemini相關的內容。

推出Gemini 3.5 Flash,面向智能體與編程的新一代模型

Google將Gemini 3.5形容為最新的模型系列,融合了最前沿的智能與自主行動能力。作為3.5系列首個推出的模型,「Gemini 3.5 Flash」著重支援智能體和編程用途,並能處理複雜工作。

自公布當日起,一般用戶可透過Gemini應用程式和Google搜尋的AI模式使用Gemini 3.5 Flash。開發者可透過Google Antigravity、Google AI Studio、Android Studio和Gemini API使用;企業用戶則可透過Gemini Enterprise Agent Platform和Gemini Enterprise使用。在Gemini應用程式和Google搜尋的AI模式中,它將成為包括日本在內各地的預設模型。

在效能方面,Terminal-Bench 2.1取得76.2%、GDPval-AA取得1656 Elo、MCP Atlas取得83.6%,並在評估多模態理解能力的CharXiv Reasoning取得84.2%。Google表示,這些表現超越Gemini 3.1 Pro。此外,其輸出token速度據稱可達其他前沿模型的4倍。

1/ 今天在#GoogleIO,我們推出Gemini 3.5,這是我們最新的模型系列,結合了前沿智能與行動能力。

我們首先推出3.5 Flash,這款模型旨在協助你執行複雜、需要長時間持續運作的智能體工作流程。

Gemini 3.5 Flash是我們最強大的模型…… pic.twitter.com/UuNL5cePpQ

— Jeff Dean (@JeffDean) 2026年5月19日

至於較高階的模型「Gemini 3.5 Pro」,Google表示已在公司內部使用,並計劃於2026年6月起陸續推出。

開發者亦可使用與Google Antigravity的整合功能。Google表示,配合Antigravity的harness,便可透過協作的子智能體,在人手覆核下推進工作流程和編程工作。開發者平台的詳情,包括Antigravity 2.0和Gemini API的Managed Agents,請參閱相關文章「Google發布Antigravity 2.0和Gemini API的Managed Agents」。

Google表示,Gemini 3.5是按照Frontier Safety Framework開發。該模型加強了網絡安全以及CBRN(化學、生物、放射線、核)方面的防護措施,既令其較難生成有害內容,亦降低錯誤拒絕安全查詢的可能性。據稱,在開發過程中,Google除了進行高階安全訓練和採取緩解措施,亦使用可解釋性工具,檢視模型回答前的內部推理。

Gemini Omni Flash,結合文字、圖片、影片、音訊生成影片

Gemini Omni是全新的模型系列,旨在結合Gemini的推理和生成能力,從各種輸入創作內容。首個推出的模型是「Gemini Omni Flash」,初期將先用於影片生成和編輯。它可以結合文字、圖片、影片和音訊生成影片,未來亦計劃支援圖片、音訊等影片以外的輸出形式。

我們推出Gemini Omni,邁出打造「任何輸入都能創作任何內容」模型的第一步,並由影片開始。

它結合Gemini的智能與我們的生成式媒體系統,在理解世界、多模態能力和編輯方面帶來重大躍進 🧵 pic.twitter.com/GAtqzr0VIV

— Google DeepMind (@GoogleDeepMind) 2026年5月19日

其中1項特色是可用自然語言編輯影片。每項指示都會承接上一項指示,在保留角色一致性、物理上的連貫性及既有場景脈絡的同時,逐步修改影片。Google介紹的編輯例子包括更改質感、令燈光與音樂同步、把主體移至另一個圖片環境,以及更改攝影機角度。

Gemini Omni在理解世界和多模態編輯方面大有躍進!它可以接收照片、影片&音訊,並創造全新的場景。隨着時間推移,它將能處理任何輸入&任何輸出,先從影片開始。

你甚至可以提供自己的影片,並反覆調整想法:pic.twitter.com/VrHPJKRJXH

— Demis Hassabis (@demishassabis) 2026年5月19日

Gemini Omni的另一項特色,是運用世界知識和對物理的直觀理解來生成影像。Google表示,模型能依據重力、動能、流體力學等力量來描繪場景,並結合歷史、科學和文化脈絡,令作品不只寫實,也能講述有意義的故事。

Omni結合了更出色的物理理解,以及Gemini對歷史、生物學和文化的知識,跨越從照片級寫實到有意義敘事之間的距離。

行動會帶來後果,環境會對事件作出反應,敘事亦會按邏輯發展。pic.twitter.com/ajQ3purg0g

— Google DeepMind (@GoogleDeepMind) 2026年5月19日

模型亦支援參考輸入,可結合圖片、文字、影片、音訊等,生成1段影片作品。音訊方面,推出時支援的是音訊參考,其他種類的音訊輸入則計劃於日後支援。

🔘 只需定義角色一次,便可將其放進任何場景;無論地點、動作或光線如何變化,角色都能保持一致。

🔘 你可以透過參考輸入套用風格、動態或特效,也可以直接用自然語言描述。pic.twitter.com/OEFvr4w4Da

— Google DeepMind (@GoogleDeepMind) 2026年5月19日

在負責任AI方面,Google介紹了一項虛擬化身功能:用戶可使用自己的聲音,生成外貌和聲音都與自己相似的影片。至於修改影片中音訊或說話內容的編輯功能,Google表示仍在研究如何以負責任的方式推出。

自公布當日起,Gemini Omni Flash將透過Gemini應用程式和Google Flow,向全球Google AI Plus、Pro和Ultra付費訂閱用戶陸續推出。另外,YouTube Shorts和YouTube Create App用戶可由公布當週起免費陸續使用。Google計劃在公布後數星期內,開始向開發者和企業提供API。

Gemini應用程式,由設計革新到擴展智能體功能

Google公布了Gemini應用程式的多項更新,包括翻新Web、Android和iOS版設計、整合Gemini Live、加入早晨簡報功能和Gemini Spark,以及更新macOS版桌面應用程式等。

Neural Expressive 與 Gemini Live⁠,革新畫面呈現與對話流程

Gemini 應用程式的網頁版、Android 及 iOS 版本將採用全新設計語言「Neural Expressive」,並整合 Gemini Live,革新畫面呈現與對話流程。Neural Expressive 採用流暢動畫、鮮明色彩、新字體設計及觸覺回饋;新設計由公布當日起陸續向所有用戶推出。

我們從頭開始,全面重新設計了 Gemini 體驗。

由你開啟應用程式或瀏覽網頁版 Gemini 的一刻起,就會看到一套令人驚艷的全新設計語言,我們稱之為 Neural Expressive。 #GoogleIO

— Google Gemini (@GeminiApp) 2026年5月19日

Gemini Live 對話功能將直接整合至 Gemini 應用程式。用戶可以先以文字輸入簡短問題,然後轉用語音自由對話,再切回文字,按需要靈活使用。麥克風亦經重新設計,讓用戶較少在說話途中被打斷,並可按自己的步調表達複雜想法。

回應的呈現方式也會改變。Google 表示,Gemini 不會只提供長篇文字,還會加入圖片、互動時間軸、附有旁白的影片及動態圖像,讓內容更容易理解。

Gemini 應用程式亦會整合 Gemini Omni。用戶可以組合文字、圖片及影片提示,製作電影質感的高品質影片,並透過自然對話套用縮放效果或更換背景。

Gemini Omni 今日起向付費訂閱用戶推出。

你可以任意組合文字、圖片及影片輸入,將想法化為現實。只要打開 Gemini,從相機相簿附加一段影片,再修改影片內容。就是這麼簡單。 #GoogleIO

— Google Gemini (@GeminiApp) 2026年5月19日

每日摘要(Daily Brief)⁠,自動製作晨間簡報

「每日摘要(Daily Brief⁠)⁠」是一項功能;用戶啟用後,它會整理 Gmail 的緊急更新、Google 日曆中的行程,以及跟進事項所需的資訊,並以晨間簡報形式呈現。

它不只會彙整資訊,還會根據用戶的目標整理內容、排定優先次序,並建議下一步行動。用戶可以按讚或倒讚評價,讓內容隨時間調整。功能同日起開始向 Google AI Plus、Pro 及 Ultra 訂閱用戶推出,並先在美國逐步提供。

Daily Brief 是一項全新的個人化摘要,旨在成為你每天早上的第一站。

它會從你的收件匣、日曆及工作清單收集資訊,為你排定優先次序、整理內容並建議下一步行動,製作成精簡易讀的晨間摘要,方便你快速瀏覽。 #GoogleIO

— Google Gemini (@GeminiApp) 2026年5月19日

Gemini Spark⁠、24小時支援工作

「Gemini Spark」以個人 AI 智能體的形式發佈,以24小時模式支援工作。它以 Gemini 3.5 運作,並使用 Antigravity harness。它整合 Gmail、Docs、Slides 等 Workspace 工具,即使合上手提電腦或鎖定智能手機,也會在背景繼續工作。

Gemini Spark 是你的全新 24/7 個人 AI 智能體。

交給它一項任務,它便會在背景自主工作,即使你的手機和手提電腦已關機也一樣。你可以選擇是否啟用;它的設計是在執行重要操作前先向你確認。 #GoogleIO

— Google Gemini (@GeminiApp) 2026年5月19日

Spark 的設計是按照用戶指示運作,用戶可以選擇是否啟用,以及要連接哪些應用程式。它表示,在進行涉及付款或發送電郵等重要操作前,會先向用戶確認。

列出的使用例子包括:從每月信用卡月結單中找出新的訂閱費用或容易忽略的收費;根據學校通知擷取重要期限,並發送每日摘要;以及從散落在電郵或即時通訊中的會議筆記,製作 Google Docs 文件或專案啟動電郵草稿。

Gemini Spark 將由公布當週起陸續向獲選測試者推出,並預定在公布後一週以 Beta 版向美國的 Google AI Ultra 訂閱用戶提供。與 Canva、OpenTable、Instacart 的全新 MCP(Model Context Protocol)連線於同日啟用;預計自該公布起數週內,Spark 便可透過這些連線執行工作。

Google Workspace 相關公告指出,Gemini Spark 會與 Google Workspace 應用程式整合,並將於 Gemini 應用程式內不久向商業客戶提供預覽版。

此外,預計在2026年夏季期間加入以文字或電郵向 Spark 發出指示、建立自訂子智能體,以及操作本機瀏覽器等功能。

macOS 版 Gemini 應用程式於2026年夏季推出⁠,加強本機檔案及語音輸入功能

所有用戶均可下載 macOS 版 Gemini 應用程式。官方表示,2026年夏季會把 Gemini Spark 整合至 Gemini 桌面應用程式,支援處理本機檔案及自動化整個桌面工作流程。

語音功能亦會加強。它會運用畫面上的上下文,把自由發言轉換成符合原意的準確草稿,包括邊思考邊說時的「呃」及改口,並配合游標位置調整格式後插入。Gemini Spark 將陸續向美國的 Google AI Ultra 訂閱用戶推出;全新語音功能則預計於2026年夏季後期推出。

上個月,我們推出了 macOS 版 Gemini 應用程式。

未來數週,我們會把 Gemini Spark 加入 Gemini 桌面應用程式,讓它協助整理本機檔案,或直接把 PDF 資料擷取至 Google Sheets 等工作。 #GoogleIO

— Google Gemini (@GeminiApp) 2026年5月19日

協助識別 AI 生成內容⁠,擴大 SynthID 與 C2PA 驗證功能

Google 亦會擴大用於查核 AI 生成媒體製作及編輯歷程的功能,讓人更容易了解內容來源,以及內容有否經過編輯或改動。

該公司3年前推出數碼浮水印技術「SynthID」,把人類難以察覺的訊號嵌入 AI 生成內容。據稱,至今已有超過1000億點圖片及影片,以及相當於6萬年播放時間的音訊加入浮水印。Gemini Omni 生成的所有影片亦包含 SynthID,可透過 Gemini 應用程式、Chrome 內的 Gemini,以及 Google 搜尋進行確認。

驗證功能亦會擴大。Gemini 應用程式的圖片、影片及音訊 SynthID 驗證功能,至今已在全球使用5000萬次;同日起亦會擴展至 Google 搜尋,並預計未來數週內提供予 Chrome。Google 亦會支援驗證業界標準「C2PA Content Credentials」,以顯示媒體的製作及修改歷程。Gemini 應用程式由同日起陸續提供此功能;搜尋及 Chrome 則預計在未來數月推出。

企業亦可透過 Gemini Enterprise Agent Platform 使用「AI Content Detection API」。這個檢測 API 讓企業評估及管理自家平台上的媒體,不但支援檢測由 Google 模型生成的 AI 內容,也支援檢測由廣泛使用的其他公司模型生成的內容。服務將先向獲選合作夥伴推出。

在業界合作方面,OpenAI、Kakao、ElevenLabs會將SynthID整合至各自的AI生成內容中。Meta表示,計劃在Instagram上將以Pixel拍攝的照片和影片等內容憑證顯示為標籤。

Google AI Ultra新增每月100美元級別⁠,最高級別降至每月200美元

配合Google I/O 2026,Google也更新了Google AI訂閱方案。Google AI Ultra新增每月100美元級別,並將原有的最高級別由每月250美元下調至每月200美元。

每月100美元的Google AI Ultra方案,在Gemini應用程式和Google Antigravity中提供Google AI Pro方案5倍的使用量上限。方案亦包括整合Gemini 3.5 Flash、優先使用Google Antigravity、20TB雲端儲存空間,以及YouTube Premium個人方案。Health Premium和Home Premium也包含在AI Pro和AI Ultra訂閱中。

每月200美元的最高級別方案保留現有優惠,同時在Gemini應用程式和Google Antigravity中提供Google AI Pro方案20倍的使用量上限。Google AI Ultra的100美元和200美元級別預計均可在美國使用Gemini Spark;200美元級別亦包括Project Genie。

使用量上限的計算方式也會改變。Google表示,將改用按用量計算的方式,而非按每日提示次數計算,並會考慮提示的複雜程度、使用的功能、對話長度等因素。上限每5小時更新一次,使用者可一直使用,直至達到每週上限。若達到上限,系統會切換至較小型的模型;此外,AI Pro和AI Ultra訂閱者可購買按量付費的額外AI點數,用於Google Antigravity、Google Flow,以及日後的Gemini應用程式。

來源:gihyo.jp · gihyo.jp