推荐语
首个Gemini桌面端曝光，系统级Agent降临PC，开启人机交互新革命。 核心内容： 1. Gemini桌面端四大核心功能：Spark、Live、Omni与「魔法指针」 2. 系统级Agent如何实现本地文件操控与云端同步 3. 全新Gemini模型及多模态能力在桌面端的应用突破
杨芳贤
53AI创始人/腾讯云(TVP)最具价值专家
【新智元导读】首个Gemini桌面端曝光，全新Gemini 3.2/3.5闪现，不到1分钟盲写2000行代码，操作系统级Agent真的来了。
谷歌这次，是真要掀桌子了！
5月20日凌晨1点，也就是今晚，Google I/O 2026即将在加州山景城正式拉开帷幕。
但大戏，其实已提前开演了。谷歌上上下下集体「憋不住」了——
从CEO劈柴、Hassabis，到Gemini产品负责人Logan，一个接一个往社交媒体上扔重磅炸弹。
让全网炸锅的是，配的预热视频，全是AI生成的。
一边是10s经典梗图输出，另一边是8s真人预告Gemini，人们纷纷猜测皆由Gemini omini完成。
同在今天，谷歌Gemini桌面版曝光了，Mac版最先上线。
Live、Spark、Omni、「魔法指针」功能齐发，一场颠覆人机交互革命来了。
从下一代旗舰模型Gemini 3.5/3.2，到原生多模态Gemini Omni，再到全新Gemini桌面端应用……
谷歌I/O大会的密集预热，已将全网的期待推向高潮！
重磅新品呼之欲出，所有人都在屏息以待，准备迎接属于谷歌的「新王」时刻。
真正让全网沸腾的，是I/O前夜曝出的一整套Gemini桌面端核心升级。
知名爆料人TestingCatalog称，「谷歌Gemini桌面应用即将迎来四大核心功能」。
目前泄露的桌面版仅支持Mac，Windows用户还得再等等
演示中可以看出，Gemini Spark是一个独立的Agent工作区，和普通Chat模式分开。
它的杀手锏在于——
可以连接本地文件夹，读取代码文件、运行脚本、整理文件，甚至直接与Google Drive同步工作流。
换句话说，这不再是一个「你问我答」的聊天机器人，而是一个真正能在你的电脑上干活的AI员工。
它能看你的文件，操作你的文件，还能把活儿同步到云端。
这是什么概念？
这正是Codex桌面版，以及Claude Code正在追逐的领地：本地文件系统级别的Agent操控权。
谷歌一步到位，直接塞进了消费级桌面产品里。有网友将其称之为，Codex的替代方案。
在上一周的Android Show上，谷歌「Magic Pointer」惊艳亮相。
「鼠标指针」一夜之间，成为了AI交互的核心——
不用打断工作流，光标悬停到哪里，AI立即理解上下文，并弹出操作建议。
现在，这个能力被搬到了桌面端，叫做「Stream to Cursor」。
它让Gemini以浮动窗口的形式，实时感知鼠标所在窗口的上下文——你在看什么，它就知道什么。
更重要的是，这个浮动窗口还支持即时分享屏幕、窗口或摄像头内容。
它还支持在Gemini 3 Flash和Gemini 3.1 Pro之间快速切换。
不得不说，这才是大模型真正「接管操作系统」的样子。
爆料显示，Gemini Omni在谷歌内部被指代为「Veo4 Omni」，这直接暗示了Veo 4的深度集成。
更早之前的泄露已经显示，Gemini的视频生成页面出现了「Powered by Omni」的标签。
它和现有的Veo 3.1代号「Toucan」并列出现。
这意味着，谷歌正在把文字、图片、视频三大生成能力合并到一个统一的Gemini模型中。
这将是业界第一个真正意义上的「全能生成模型」。
Gemini Live将作为常驻语音悬浮窗出现在桌面端，不过目前仍处于开发阶段，尚未正式可用。
除了四大核心功能，还有一个细节值得注意：「Skills技能」全面上线Gemini桌面端。
开发者可以将自定义脚本或功能文件夹，直接挂载到Agent工作流中。
一时间，谷歌的桌面端AI布局从「聊天机器人」直接跳到了「全能操作系统级Agent」。
这几天，全网已经放出不少关于Gemini 3.2，甚至称3.5的编码实测。
一些开发者在Gemini网页端，选择「Fast模式+Canvas」，就路由到了Gemini 3.2 Flash版本。
今天，下一代旗舰Gemini，突然在Antigravity现身了。
有大佬Chetaslua实测后惊叹，Gemini 3.2 Flash编程能力简直快到「离谱」——
一句提示，2000行代码，生成一个mini版「我的世界」，不到一分钟。
另一个demo中，1700行代码，48秒，Gemini完美通过了体素立方体（voxel cube）测试。
在前端搭建上，一个Flash版本的Gemini做到这种程度，简直绝绝子。
顺带一提，就在I/O前夕，谷歌还悄悄更新了整套Workspace应用图标。
就在I/O前夜，Gmail、Google Drive、Docs、Sheets、等十几款Workspace应用开始全面推送新图标。
最显眼的变化是：
谷歌彻底抛弃了「每个图标必须包含四种公司色」的铁律，转而采用「渐变色+独立配色」的设计语言。
这套新设计语言和Google Logo、Gemini图标、Android 17的视觉体系完全打通。
但不得不说，谷歌正在从图标到AI底层，对整个生态进行一次统一的视觉和智能重构。
在所有围绕I/O的讨论中，科技大佬Andrew Curran的一段预测引发全网关注。
「我认为他们训练了有史以来最大的模型」。
可能是任何人训练过的最大模型。在规模化过程中，出现了意料之外的东西。
他用了一个非常有意味的类比：
他们经历了自己的Mythos时刻，但方式和Anthropic不同。
Gemini一直是一个和Claude非常不同的模型。
今天这一波密集泄露所指向的图景，远比「又一次产品更新」宏大得多。
谷歌首个Gemini桌面端，正变成一个驻留在操作系统层面的「全能智能体」——
能听（Live语音）、能看（Stream to Cursor屏幕感知）、能做（Spark本地文件操控）、能创（Omni视频生成）、能学（Skills技能系统）。
这是一个原型级的「通用智能Agent」。
从单一的问答工具，到感知环境、操控工具、生成内容、自主执行——这条进化链，恰恰是从窄AI走向AGI、乃至ASI的必经之路。
今晚的I/O大会，谷歌已经按下了开始键。
去年谷歌I/O 2025主题演讲中，谷歌现场计数显示「AI」被提及了92次。
这一次，AI大概会出现多少次？
参考资料：
https://www.theverge.com/tech/932417/google-gmail-docs-cal-sheets-workspace-icon-redesign
https://x.com/testingcatalog/status/2056532499036045317?s=20
编辑：桃子 David
粤ICP备14082021号
免费POC，
零成本试错
