作者：卡兹克、可达、Chiyo，首发：数字生命卡兹克
原标题：帮大家总结了一下凌晨的Google I/O 2026开发者大会。
20日，Google开完了他们的产品发布会。
回顾这半年，AI圈的热闹，几乎跟Google没啥关系。
但了解Google的人都知道，它就喜欢攒一波，然后在I/O大会上，一口气全放出来。
我也给大家蹲完，然后整理完了。
可能会是最全的一篇了。
今年I/O大会的明星之一，Gemini 3.5 Flash。
一般来说，Flash系列是轻量快速版，主打便宜和快，Pro才是满血旗舰版。
但现在基本上都流行，新一代的小模型，要比上一代的大模型还要强，所以这次也是一样，3.5 Flash的能力在编码能力、Agent能力、工具调用能力都比上一代的3.1 Pro要强不少。
Terminal-Bench 2.1编码测试，3.5 Flash拿了76.2%，3.1 Pro只有70.3%。GDPval-AA，衡量真实世界经济价值任务的，3.5 Flash 1656 Elo，3.1 Pro 1314 Elo，差了三百多分。
跑分上确实强了不少。
不过呢，3.5 Flash在Humanity's Last Exam（人类最后考试）上40.2%，比3.1 Pro的44.4%差，ARC-AGI-2上72.1%也输给Pro的77.1%。
这两个benchmark主要考的是世界知识和纯抽象推理。
也就是说，这次也是牺牲了知识的能力，换来了干活的能力的加强。
输出速度方面，比其他前沿模型快4倍。
价格这块，输入$1.50/百万token，输出$9.00/百万token，比3 Flash贵了3倍，但比3.1 Pro便宜40%。
现在真的全网token提价真的是大势所趋。
然后知识截止日期到2025年1月（感觉拉了个大的），上下文窗口100万token。
至于Gemini 3.5 Pro，他们亲口说的是“Give us until next month to get it to you”，也就是下个月见。
3.5 Flash今天直接成为Gemini App和AI Mode in Search的默认模型，全球同步上线API、AI Studio、Antigravity等等，所有人也都可以去体验了。
Gemini Omni，这个东西其实发布会之前就已经在推特上炒疯了。
说真的，其实是有点期待的。
毕竟，谷歌把这玩意称为“a new model that can create anything from any input”，也就是能根据任何输入创造出任何东西的全新模型。
而且现在Google的视频模型，已经被大家认为唯一一个能勉强跟Seedance 2.0打一打的模型了，也是很多AI漫剧公司最后的希望。
在宣发上，看着效果感觉还行。
目前也已经上线了，但是吧，我体验了一下，只能说，有点拉了。
就真的有一点不太行，而且中文的口音，一股港台腔，真的怪怪的。
看到一个评论说。
emmmm。
别说看起来了，用起来也不如Seedance啊。。。
不过有一个功能值得一提，就是它支持保持视频中某一个片段不变，只修改其他部分。
不过今天发布的是Gemini Omni Flash，拉一点感觉也能理解，毕竟是Omni家族的第一个模型，google也明确说了，Omni Pro即将发布。
Gemini App的设计语言，正式名字叫Neural Expressive。
一打开网页端，整体配色，从之前那个灰白色的界面，换成了一个蓝色渐变的背景。
第一眼会觉得挺高级的，但也有点像。。。手机省电模式？
手机端也是。
工具栏做了一个合并，之前上传文件、调用工具、选附件是分散在不同地方的，现在全塞进了一个+号里。
点开模型选择器，底下有一个思维水平的选项，展开以后有标准和扩展两项。
最让我没想到的是设置里，Google也开始整限额了。
打开设置一看，好家伙，两个进度条，一个当前使用情况，一个每周限额。
不学Claude好的方面，净学这方面。。。
目前，新设计Neural Expressive今天起在Android、iOS、Web全球上线。
Google Maps来了一个十年最大升级，加了个叫Ask Mapx的功能。
你现在，可以直接用自然语言跟地图对话。
现场举了个例子，有家长真的问了这么一个问题：“我家孩子刚掉进鸭子池塘，婚礼30分钟后就开始了，我能走着去哪里给她买件新裙子？”
这种问题你以前在搜索框里根本没法打，现在可以了。
Google的生态还是太猛了，把地图这种东西，接到了Gemini里，还是能产生一些化学反应的。
YouTube也搞了一个类似的东西，叫Ask YouTube。
你也不用再自己翻视频了，直接问它“怎么教三岁小孩骑自行车，他已经会骑平衡车了”，它会给你一个整理好的概览、小贴士、最相关的视频片段，甚至直接跳到视频里最对口的那一段。
还能追问，它记得上下文。
跟上面那个功能其实思路是一样的，把搜索框变成对话框，不管是地图还是视频。
Ask YouTube现在在美国对Premium订阅者开放，今年夏天全美推广。
之前你想让Gemini帮你写个文档，得敲一段很精准的prompt，想清楚了再打字。
然后Docs Live的思路是，你不用打字了，直接说话就行。
脑子里想到什么就说什么，说乱了也没关系，Gemini自己整理。
现场他们搞了个演示，一个工程师要给高中母校的职业日做分享，他就对着Gemini一顿说，“把我简历从Drive里调出来”“想几个搞笑的类比”“哦对把学校发的那封邮件里的时间地点也抓出来”“做成表格”“在最前面加个备注让我别忘了讲我哥的故事，加粗”。
全程没打一个字，就是一直一边想一边说，说完文档就直接出来了。
最有意思的是中途改主意，比如他说Thursday，然后立刻改口说Friday，Gemini就会自动把Thursday抹掉换成Friday，这个还挺好的。
今年夏天对Pro和Ultra订阅者开放。Gmail Live和Google Keep的Live模式后面也会接入。
Gemini Live的语音更新。
现场放了几段，利物浦腔的英语、印度哈里亚纳方言、巴西里约葡萄牙语。。。
三个口音切来切去玩了一段。
接下来几周会陆续上线更多。
这是Gemini App里一个新功能，每天早上给你一份个性化摘要。
它会自己翻你的邮箱、日历、任务清单，挑出今天最重要的事情，按主题分好类，甚至建议你下一步该做什么，比如提醒你还书、出行时间之类的。
今天起面向美国的Plus、Pro、Ultra用户开放。
功能上增加了电影级视频概览，你丢一堆资料进去，它能直接生成一段带流畅动画和视觉效果的讲解视频。
信息图也升级了，现在有10种预设风格可选，手绘风、可爱风、专业风、科学风、动漫风、黏土风。。。
学习工具这块，闪卡和测验都改了，进度会跨设备保存。
最大的变化是，NotebookLM跟Gemini App打通了。Gemini里现在有一个笔记本功能，你在 Gemini里创建的笔记本会自动同步到NotebookLM，反过来也一样。
还支持上传EPUB电子书了，幻灯片可以导出PPTX格式，聊天记录自动保存，可以在对话里直接生成播客、视频、报告。
另外NotebookLM也进了Google Classroom，大学生可以在课堂里直接创建自己的课程笔记本，用老师提供的资料生成学习工具。
Agent今年是Google整场发布会的真主线。
先讲Antigravity2.0。
Antigravity是Google的之前的开发平台，但是真的难用，而且完全没啥更新，去年11月才发布的，当时发了之后我们每天干的最多的事，就是把Antigravity的Claude额度给反代出来给OpenCode用，后面开始封号，我基本也就没咋用过了。
今天，终于版本来到了2.0。
更新内容有几个。
第一，全新独立桌面应用。这跟之前是个IDE插件不一样了，是个真正的Agent工作环境了。
第二，Antigravity CLI上线，全球可用。
这其实就是直接把Gemini CLI给替代了。
Google官方公告，2026年6月18日之后，Gemini CLI和Gemini Code Assist IDE扩展会停止对Pro/Ultra用户服务。
开发者要全部迁到Antigravity CLI。
这条信息对所有用Gemini CLI开发的人都注意一下（虽然我估计可能没有），别到6月18号才发现自己的工作流挂了。
第三，Antigravity SDK，开发者可以把Google用在Antigravity里的agent harness，直接拿到自己的服务器上跑。
第四，原生语音支持，整合Gemini音频模型，跟Android、Firebase、AI Studio都打通了。
然后他们现场演示了一下，让Antigravity配合Gemini 3.5 Flash，从零构建一个可运行的操作系统。
93个subagent并行跑，12个小时，1.5万次模型请求，处理26亿token，总成本不到$1000。
还真搞了个OS出来，能跑命令行，能跑doom游戏，可以放动画。
还挺有意思的。
更骚的是3.5 Flash在Antigravity里被专门优化过，跟别的模型相比，不是4倍快，是12倍快了。。。
Antigravity 2.0全球开放，所有人今天都能用。
接下来是Gemini Spark。
你的个人AI Agent，感觉是对标了OpenClaw。
它跑在Google Cloud的专属虚拟机上，24/7不间断，你可以关掉你的电脑，Spark也会在云端继续干活。
由Gemini 3.5 Flash和Antigravity harness驱动，可以处理长链路后台任务。
也直接打通了Google 全家桶，帮你打理各种事。
比如，在工作中让Spark帮团队写一封邮件，汇总最近一周Gemini Live的发布和成绩等等。
Spark会自己去翻你的Docs、邮件、聊天记录，把最重要的信息抓出来，然后按照你预设的写作风格起草邮件。
或者是在生活中，筹备一场街区派对。
Spark在Google Sheets里生成实时RSVP追踪表，自动跟Gmail打通，邻居回复一句“我来”表格就会自动更新，没回复的邻居它自己会生成催回复的邮件草稿。
然后又从Google Drive里翻出了小区HOA的章程，提醒你周五下午之前不能布置充气城堡，还在Google Slides里做了一份派对宣传deck。。。
目前，Spark本周对一些测试人员开放，下周开始对美国Google AI Ultra订阅者开放Beta测试。
注意，是Ultra订阅者，不是Pro，不过说真的，这年头谁家好人会没事给Google冲250刀的Ultra会员啊，过于大冤种了。
所以呢，伴随着Spark发布的，是Google整个订阅价格体系的重新洗牌。
Google AI Ultra之前只有一档，$250一个月，这次拆成两档。
新的$100/月Ultra plan，给开发者、技术lead、内容创作者准备，5倍于Pro的用量、20TB云存储、YouTube Premium、优先用Antigravity。
老的Ultra plan从$250降到$200/月，保留所有顶配能力。
Spark在$100和$200两档都可以用。
按我意思来说，Google你的价格其实还得再降降才行。
Spark在云端24/7干活，但你怎么看它在干啥呢。
答案是Android Halo。
Halo是Android上一个专门给Agent准备的home base，会在状态栏顶部显示Agent正在干什么。
Spark做什么、做到哪一步、要不要你确认，都在这条状态栏里。
今年晚些时候上线。
Halo其实被带过的比较快，但是我觉得还挺有意思的，可能会是一个新的UI层级。
过去的Android UI都是给App用的，App是底层逻辑。
Halo开始的Android，是给Agent用的，Agent是底层逻辑。
可能未来会诞生很多新的玩法。
Workspace里的新产品，Google Pics。
注意是Pics，不是Pix，跟Google Photos区分开。
Pics是图像创作和编辑工具，做派对传单、信息图、活动海报这种东西。
支持目标分割，可以选中图里任何一个元素单独编辑。
比如把一只狗变成一只猫，或者把毛衣换个颜色，背景可以完全不动。
文字也能直接在图里编辑、一键翻译多语种啥的。
所有输出自动加SynthID水印，保证可以被溯源。
今年夏天先在美国上Ultra订阅者。
Stitch是Google做UI设计的工具。
过去一年，全球用户用Stitch生成了超过1亿张UI画面，Google说内部自己也在用。
（PS：用过这个的可以举个手）
这次更新有几个，实时语音协作（你说话、UI实时改），导出代码、直接发布到Netlify、跟Antigravity打通。
Google有段披萨店的演示还挺好玩的。
两个完全不懂UI设计的人，对着Stitch一通说，“menu突出更多披萨选项”， “header字大一点”啥的。
UI实时响应，最后一键发布上线。
老朋友了，Flow就是Google的AI creative studio。
这次更新有四个。
1、加入Gemini Omni，可以保留原始视频里的表演和动作，只改环境和特效。
2、新Agent功能。一张图同时生成16段不同机位的视频，比如你给它一张街景，它给你出16种镜头语言的视频。
3、大规模场景修改。把所有镜头从清晨变成深夜，灯光、阴影、车灯，整个场景自洽切换。
4、Flow Tools。你可以在Flow里vibe code自己的创意工具，比如做视频特效、手绘动画、文字图层叠加啥的。
最好玩的是Flow Music。
现场演示了一段。一个团队成员录了一段钢琴riff，扔进Flow Music，跟它说“往R&B方向走，加女声”。然后它就给出了一段编曲完整的歌。
效果还可以的，比Suno还差点，但是作为小demo其实够用了。
所以其实在这里，Flow的发布逻辑就很清晰了。
想做做创意人的整个工作流入口。
从画板、到剧本、到镜头、到剪辑、到调色、到配乐，一站式想全包。
但是坦率的讲，功能确实全，但是也真的不咋好用。。。
还有一个小更新，SynthID。
Google做的AI水印技术，专门用来标记哪些内容是AI生成的。
已经给超过1000亿张图片和视频打了水印，还有累计6万年时长的音频。
新的变化是，现在你在Chrome里右键点一张图，或者用圈选搜索，就能查这张图是不是AI生成的。
还玩了个梗，说去年有一张他吃汉堡的图在社交媒体传疯了，但其实是假的，他原话说“I don't eat hamburgers”。
最让我意外的是，Google宣布OpenAI、Kakao、ElevenLabs也加入了SynthID。
OpenAI也发了公告。
这是这次发布会最有故事感的一个细节。
过去三年这两家恨不得搞死对方，今天他们在SynthID这件事上放下芥蒂一起合作了。
AI生成的假图、假声音、假视频这个问题，已经严重到大家不得不放下架子一起搞了。
Nvidia去年加入，Sony Pictures、Reuters、TikTok也在路上。
AI Mode月活已经突破 10 亿，自上线以来每个季度查询量翻一倍。
然后今天也官宣底层模型升级成了Gemini 3.5。
具体的更新有四个。
Google说这是搜索框25年以来最大的一次升级。
以前你只能打字，现在可以丢图片、文件、视频进去，搜索会跨模态一起理解。而且它会用AI帮你补全问题，帮你把真正想问的问题梳理出来。
从搜索结果页自然过渡到对话式追问，上下文可以一直跟着你。
搜索里可以创建Agent了。可以在搜索里同时启动多个Agent，让它们7x24小时在后台帮你盯着事情。
比如说，你是炒股的，想盯PE小于15、现金流为正、负债低的生物科技股，AI agent接到指令自己去查，看到价格变动给你推送更新，可以放你方便的把信号和噪音分开等等。
搜索现在会针对你的问题，实时从零搭建定制化的交互界面。
比如问黑洞怎么影响时空的，可以直接生成了一个可以拖拽参数的交互式的可视化页面。
这玩意背后是Antigravity在驱动。
搜索的时候调用了一个containerized agent环境，让3.5 Flash实时写代码、跑代码、把渲染结果嵌回搜索结果。
这玩意今年夏天对所有用户免费开放。
直接在搜索里面嵌入生成式UI，可能是搜索这个产品形态自1998年以来最大的一次进化。
这块整个是新增的板块，但是反而是今天发布会最有意思的板块。
两个支柱协议加一个新产品，凑成了完整的三件套。
UCP是Google一月份发布的开源协议，定位是Agent电商时代的HTTP。
你可以简单的理解成，给Agent自己去买东西时候用的一套通用购物规则，类似MCP。
Google在NRF零售展会上提出来的时候，已经拉了Shopify、Etsy、Wayfair、Target、Walmart五家创始合作伙伴一起搞了，还找到一群公司来背书。
这次I/O的新进展是，Amazon、Meta、Microsoft、Salesforce、Stripe官宣加入了UCP的技术委员会。
Vidya原话是：“it may very well be the first time we've all agreed on something”，这可能是我们所有人第一次达成共识。
之前只在美国上，现在开始扩展到加拿大、澳大利亚，英国也紧随其后。
AP2你可以简单的理解成，给 Agent付款用的授权协议。
AP2解决的的，其实就是Agent帮你买东西会不会乱花钱的问题。
你可以给Agent设三道护栏。具体品牌、具体商品、支付金额上限，三个条件全满足，Agent才会下单。
每一笔交易都有tamper-proof digital mandate，也就是篡改防护的数字授权书，如果有问题，你和商家看到的是同一份记录，可以追溯。
AP2即将先在Gemini Spark上线。
这是这次I/O真正的新发布。
一个跨商家、跨服务的智能购物车。
你在Search里看到一个东西可以加进去，跟Gemini聊天看到一个东西可以加进去，看YouTube视频时看到一个东西可以加进去，连读Gmail时看到一个东西也可以加进去。
加进去之后这个购物车自动在后台干活，找折扣、查价格历史、对你账户里的支付卡权益、提醒缺货补货、跨商品检查兼容性。
比如说，你买电脑配件，先加了一块主板进购物车，之前你已经买过一个CPU。Universal Cart发现你CPU和主板不匹配，主动给你提醒，让你换个主板。
我自己是真的有点期待了，非常的有意思。
Universal Cart今年夏天美国上线，先在Search和Gemini App里，YouTube和Gmail后面跟进。
Agent+钱这块的基础设施，已经开始缓缓渐进了。
Android XR眼镜会有两条路线。
一类是带镜片显示屏的显示眼镜，去年I/O已经展示过，今年晚些时候会扩大测试计划。
另一类是今年秋天要发的的首款音频眼镜。
没有镜片显示屏，靠声音跟你交互，平时听音乐、拍照、打电话、调App。
Gentle Monster和Warby Parker负责的外观设计，三星做的硬件，同时支持IOS和Android。
现场演示挺有意思的。
一个姑娘戴着眼镜，跟Gemini说带我去上周跟朋友见面的那个地方，Gemini直接设好了导航，还主动问要不要顺路买你常喝的那杯冷萃咖啡？然后自己打开手机上的外卖App帮她下了单。
最后拿眼镜给观众拍了张合影，让Gemini把照片变成卡通风格，还加了个大飞艇，放在手表上看。
TPU 这次也有一次比较大的更新。
第八代TPU，是Google历史上第一次采用了双芯片路线，分别针对训练和推理做优化。
训练芯片叫TPU 8t，主要面向大规模预训练。原始算力接近上一代的3倍。
提到一套叫Jackson Pathways的训练基础设施，可以把训练任务分布到多个数据中心，不再受单个超大数据中心限制，最高能跨全球超过100万颗TPU做scaling。
推理芯片叫TPU 8i，重点是降低延迟、提升生成速度。
Google现场用一个即将发布的Flash模型做演示，让它生成一个Chrome Dino小游戏，屏幕上显示的生成速度接近每秒1500个token。
速度确实快的有点过于离谱了。
发布会最后，Google讲了AI在科学领域的几个项目。
一个是Gemini for Science，新发布的科研工具集，包含三个实验性原型。
第一个叫假设生成器，基于Co-Scientist底层系统，让多个agent一起生成、辩论、评估科研假设，每个论点都有可点击的引用来源。
第二个叫计算发现引擎，基于AlphaEvolve和ERA，并行生成上千个代码变体，让科学家几小时跑完原本要几个月的实验。
第三个叫科学技能包，针对生物医药，整合了UniProt、AlphaFold Database、AlphaGenome API、InterPro等30多个生命科学数据库，复杂分析从几小时压到几分钟。
除了Gemini for Science之外，还有两个东西。
一个叫Weather Next。AI天气预报，比传统模型更准、更早预警。
去年的梅丽莎飓风袭击牙买加，Weather Next提前3天预测到了，比传统模型更准确，帮助当地提前撤离居民，救了不少人。
一个是AI制药。Google旗下Isomorphic Labs用AI加速新药研发，已经有多个项目进入临床前阶段，针对免疫疾病和癌症。Hassabis说目标是“one day solving all disease”，有朝一日治好所有的病。
除了几个科研的之外，还有一个Code Mender。能自动找到代码里的安全漏洞并修好，今天起对一小批专家开放Code Mender API测试。
程序员看到这块应该挺安心的。
毕竟Agent写的代码越来越多，安全漏洞自动修复这件事，已经是基础设施级别的需求了。
终于。。。总结完了。。。
Google每次的发布会是真的信息量大到让人窒息。
最后，Hassabis结束的时候。
他说了一句让我还蛮动容的话。
他说：
When we look back at this time, I think we'll realize that we were standing in the foothills of the singularity
当我们回望这个时刻时，我想我们会意识到，我们正站在奇点的山脚下。
我也确实相信这句话。
AI，至少在现在看，它是人类智慧的放大器。
也许，我们会开启一个，科学发现和进步的新黄金时代。
也希望未来。
我们能不断的，一起见证。
作者公众号：数字生命卡兹克（ID：Rockhazix）
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。