现场直击 Google I/O 2026：Gemini 3.5 Flash、Spark、Omni 三剑齐发

兄弟们，也是出息了，被 Google 邀请参加 Google I/O 26 开发者大会

第一次现场参加 Google I/O 大会 ，感受很不一样…

视频号 小互：Google I/O 2026.. 进场了，有点意思… 老外就是很松弛的感觉…[旺柴]

说实话，整场发布会信息量非常大，模型、搜索、视频生成、办公、购物、开发工具、AI Agent，一个接一个往外抛。

如果只看产品清单，很容易觉得这是一次“Google 全家桶更新”…

但坐在现场听完整场之后，我最大的感受是：

Google 正在把 Gemini 从一个会回答问题的 AI，升级成一套能理解、能创作、能执行、还能持续跟进任务的 AI 系统。

本次大会其实主要核心更新是三个：

Gemini 3.5 Flash，行动大脑 Gemini Spark，个人 Agent 入口 Gemini Omni，多模态创作出口

Gemini 3.5 Flash：新一代基础模型，Flash 级速度跑出旗舰级智能，今天起成为 Gemini App 和 Google 搜索 AI Mode 的全球默认模型。

Gemini Spark：跑在 Google 云端的 24／7 个人 AI Agent，你关掉电脑它还在替你处理邮件、读账单、整理会议记录。

Gemini Omni：从任意输入生成视频的多模态模型，把“剪视频”变成“跟 AI 聊天”，会替代原来的 Veo。
Google I/O 2026 完整中英文双语视频：

1.Gemini 3.5 Flash：Flash 反超 Pro 转向为“执行”

先说 Gemini 3.5 Flash。

很多人一看到 Flash，会第一时间想到“快”。这次确实还是快，但 Google 想讲的重点已经更进一步：它要成为 Agent 的执行大脑。

要看懂这次 Flash 的份量，先理解一个背景：

过去这两年，所有 AI 公司基本都是同一个套路：每家都同时出两个版本的模型。

一个是旗舰版：OpenAI 的 GPT-5、Anthropic 的 Claude Opus、Google 的 Gemini Pro。能力强、价格贵、回复慢，适合处理复杂任务。

一个是轻量版：GPT-5 mini、Claude Haiku、Gemini Flash。能力弱一些，但便宜、快，适合日常对话和大批量处理。

用户和企业的选择策略也很简单：能用轻量版就用轻量版，省钱省时间；非要用旗舰版的难题，咬咬牙也得用。

这次 Google 把这个分层打破了。

新发的 Gemini 3.5 Flash（轻量版），在好几项关键跑分上反超了今年 2 月才发的 Gemini 3.1 Pro（上一代旗舰版）。

简单说：旗舰版的能力，被装进了轻量版的速度和价格里。

它面向智能体和编程任务，强调复杂、长周期、能真正产生实用价值的任务处理能力。

今天开始，它可以在 Gemini App、Google Search 的 AI Mode、Google Antigravity、Google AI Studio、Android Studio、Gemini Enterprise 等场景里使用。

也就是说，它不是只给你写一段回答。

它可以帮你规划步骤、调用工具、生成代码、做 UI、处理文件，还能在更长时间里持续推进一个复杂任务。

Gemini 3.5 Flash 被 Google 称为其目前能力最强的智能体与编程模型，在 Terminal Bench 2.1 上达到 76.2%，GDPval AA 为 1656 Elo，MCP Atlas 为 83.6%，CharXiv Reasoning 达到 84.2%。

速度方面，Flash 每秒生成约 289 个 token（一个 token 大致相当于半个汉字或一个英文单词），是其他前沿模型的 4 倍。

价格大约是其他前沿模型的一半。

这件事对不同人的意义：

如果你是普通用户，从今天起，Gemini 网页版和 Google 搜索的 AI 模式背后默认跑的就是 3.5 Flash。你不用切换、不用选模型，体验自动升级。

如果你是开发者或者公司技术决策者，过去要花旗舰版的钱才能跑的工作流，现在用 Flash 就够了。账单砍一半，响应速度还快 4 倍。这种成本变化，长期来看比“模型变聪明了”本身影响更大。

Google 举了很多例子：开发新应用、维护代码库、协助准备财务文件、自动分类非结构化资产、生成交互式网页 UI、甚至用多个智能体一起做游戏和迁移遗留代码库。特别是在 Google Antigravity 里，3.5 Flash 可以部署协作子智能体，让多个 Agent 分工完成多步骤工作流。

这里其实是今天最重要的变化之一：

AI 正在从“单个模型回答问题”，变成“多个智能体一起完成任务”。

一个 Agent 负责规划，一个 Agent 负责执行，一个 Agent 负责检查结果。对开发者来说，这就很像把一个想法交给一个小型 AI 团队。

所以 Gemini 3.5 Flash 的意义，不在于又多了一个快模型。它更像是 Google 给整个 Gemini 生态换上的新发动机。

一批合作伙伴案例，证明 3.5 Flash 不是 demo，是真的在干活：

Shopify（全球最大独立电商平台）：用 Flash 同时跑多个 AI 分析数据，预测哪些商家会爆发增长。

Macquarie 银行（澳洲老牌银行）：用 Flash 读 100 多页的开户文件，帮客户加快开户。

Salesforce（企业服务巨头）：把 Flash 接进自家 AI 助手 Agentforce，让 AI 帮企业自动完成多步任务。

Ramp（公司支出管理）：用 Flash 做发票识别，比传统 OCR（光学字符识别）聪明很多。

Xero（小企业会计软件）：让 AI 帮小企业主自动整理税表和供应商资料。

Databricks（数据分析平台）：用 AI 跨海量数据集做实时诊断。

最有画面感的演示：在 Google 自家的开发平台 Antigravity 上，两个 AI agent 分工协作，一个负责“造游戏”，另一个负责“试玩并提改进建议”。两个 AI 互相反馈 6 小时，先把 AlphaZero 这篇硬核学术论文消化掉，再写出了一个真正能玩的小游戏。

这种活以前给一个工程师做，得花一两周

至于真正的下一代旗舰 Gemini 3.5 Pro？Google 只说了一句“已经在内部用了，下个月发”。

2. Gemini Spark：Google 把个人 Agent 推到台前

如果说 Gemini 3.5 Flash 是大脑，那 Gemini Spark 就是这个大脑进入普通人生活的入口。

Google 把 Spark 定义为 24 小时运行的个人 AI Agent。它基于 Gemini 3.5 Flash 构建，可以在用户指导下代表用户采取行动，帮助处理数字生活里的任务。

这东西听起来有点抽象…

换个说法就是：运行在云端的个人龙虾（openclaw）
Spark 运行在 Gemini 3.5 上，使用 Antigravity harness，并且和 Gmail、Docs、Slides 等 Workspace 工具深度集成。因为它是云端 Agent，所以哪怕你合上电脑、锁上手机，它也可以在后台继续工作。

你交代一件事，它自己拆步骤、调工具、跨好几个应用一直干，干完才回来跟你说“搞定了”。

中间你不用陪着…

举个具体例子。你跟 Spark 说一句：

“每个月帮我看一遍信用卡账单，找出有没有奇怪的扣款。”

Spark 会自己：

1.设个每月提醒，到日子自动去你 Gmail 里翻信用卡邮件。2.一项项分析每笔支出。3.找出“你可能忘了取消的订阅”、“金额突然变高的扣款”、“陌生商户”。4.整理一份月度报告发到你邮箱。

整个过程你完全不需要在场。你甚至可以忘了你交代过这件事，下个月报告自动出现。

Spark 最关键的设计：跑在云端，不依赖你的设备

这是 Spark 跟市面上其他 AI Agent 工具（OpenClaw、Hermes 这些）最大的区别。

那些工具是“本地代理”，装在你电脑上，要你保持电脑开着、配好环境、装好命令行工具，普通人光是装环境就劝退了。

Spark 不用。它跑在 Google 的服务器上。你交代完任务就可以合上 MacBook 出门吃饭、睡觉、甚至换电脑。第二天打开邮箱，活已经干完了。

Spark 现在能干什么 Spark 出厂就接好了 Google 自家的 Workspace 全家桶：Gmail、Google Docs、Google Slides，能直接读写。

第三方应用接了三个：Canva（设计工具）、OpenTable（订餐厅）、Instacart（在线买菜）。Google 用的是 MCP 协议（一个让 AI 跨应用工作的开放标准），未来接入更多第三方应该会比较快。

价格和时间表 Spark 本周开始小范围内测（仅限受邀用户），下周向美国的 Google AI Ultra 订阅用户开放 beta（公测）。

为了配合 Spark 推广，Google 顺手做了一件事：Google AI Ultra 订阅价从 250 美元 / 月降到 200 美元 / 月。

今年夏天 Spark 还会加几个能力：

直接通过短信、邮件跟 Spark 沟通（不用打开 Gemini App）

让 Spark 创建“子 Agent”（一个 Agent 拆出几个 Agent 同时干活）

让 Spark 操作你本地电脑的浏览器（替你在网页上点按钮、填表单）

Mac 桌面版（能读你本地文件，不仅是云端）

这件事真正重要在哪

普通聊天机器人更像“临时问答窗口”。

Spark 更像“长期任务管家”。

它说明 Google 已经不满足于让 Gemini 做“回答问题的工具”。

它想让 Gemini 进入你的日程、邮箱、文档、购物和搜索，成为一个能持续替你推进事情的个人系统。

Google 跑在云端这个决定，不只是技术选择，是入口选择。

Gemini App 现在每个月有 9 亿人在用。Spark 一上线，这 9 亿人理论上明天就都能变成“AI Agent 用户”，不用装软件、不用懂技术、不用懂什么是 MCP。OpenAI 和 Anthropic 现在最缺的不是模型能力，是这种“用户已经在那里”的入口。

3.Gemini Omni：视频创作开始进入“对话式编辑”时代 Omni 是这次发布会最有视觉冲击的产品。

先解释 Omni 是什么

一句话：Omni 是 Nano Banana 的“视频版”

它可以把图像、音频、视频、文本组合成输入，然后生成基于 Gemini 世界知识的高质量视频。

Nano Banana 是 Google 去年发的 AI 图像编辑工具，简单到几百万人都在用，你不用打开 Photoshop，不用学图层蒙版，跟 AI 说一句“把老照片修干净”、“按这张草图生成一张正式插画”、“去掉合影里的路人”，它直接改给你。

Omni 把这一套搬到了视频上

看个案例就知道了，可以通过自然语言轻松的编辑视频…

今天开放的 Omni 是哪一款

今天上线的是 Gemini Omni Flash（Omni 家族的第一款，类比手机型号里的“轻量版”）。它现在只能生成视频，单条最长 10 秒。

Google 在博客里强调：10 秒不是模型能力的上限，是为了让更多人先用上而做的产品选择。后续还会扩展到生成图像、生成音频。

所以 Omni 严格意义上不是“视频模型”，是一个统一的多模态创作引擎，视频只是第一步。

Omni 跟 Google 之前的视频工具 Veo 比，主要差在几点

第一，输入可以混着喂：你可以同时丢给它一张图、一段视频、一段音频、几句文字。它不是把这些拼起来，是真的“读懂”几者之间的关系再合成一段统一的视频。

我现场测试的，输入一张图像，图像上标注了我想要的内容↓

然后直接上传照片，自动生成视频

或者通过任意输入组合创作视频

第二，对话式编辑，前后一致：你说“把这个雕塑材质改成气泡的”，它改。再说“让公寓灯光跟着音乐节奏亮起来”，它继续改。每一次修改都建立在上次的基础上，主角、场景、风格保持一致，不会乱掉。

第三，物理感更准：一颗弹珠在轨道上滚动的速度和加速度、人手碰到镜子时镜面像液体一样泛起涟漪、水流和反光，这些以前需要专业的 VFX（视觉特效）工程师才能做的镜头，Omni 直接生成。

第四，能讲故事：因为 Omni 接通了 Gemini 的世界知识库，它可以做“蛋白质折叠”的黏土动画教程视频，或者“26 个字母对应 26 个奇怪物品”的节奏感小品。这种“既要准确又要有创意”的内容，过去要找会动画的人手工做。

第五，AI Avatar（你的数字分身）：录一段你自己的视频，再大声念几个数字（作为身份验证），Omni 给你生成一个数字版的自己。生成出来的分身只有你本人能用，别人不能拿你的脸做视频。然后你可以让“自己”出现在登月视频里，或者去掉自己合影里的路人。Google 自己管这个能力叫“个人专属 meme”。

Google 故意没开放的能力 Omni 暂时不允许用户编辑视频里的“音频和讲话”。

Google 在博客里直说，这个能力还在测，要等他们“想清楚怎么负责任地交给用户”再放出来。

怎么用，分三档

付费订阅用户：Google AI Plus / Pro / Ultra 全球订阅用户，今天起就能在 Gemini App 和 Google Flow（创作工具）里用。

视频创作者：YouTube Shorts 和 YouTube Create App 这周起免费开放，每个 YouTube 创作者直接调用，不用额外付费。

开发者和企业：几周内通过 API 推出。

Omni 会替代之前的 Veo 3.1…

Google Search、Workspace、购物和开发者工具，也都在围绕 Agent 重构

除了这三个主角，Google I/O 26 还有很多产品更新，但它们都可以放进同一条主线里理解：Gemini 正在进入 Google 的每一个入口。

搜索这边：Gemini 3.5 Flash 已经成为 Gemini App 和 Google Search 中 AI Mode 的默认模型。资料里还提到，3.5 Flash 的智能体编程能力会让 Search 出现更动态的生成式 UI，也会引入 24 小时信息智能体。

这代表搜索正在从“找网页”，走向“直接帮你生成结果和工具”。

开发者这边：Google 推出了 Managed Agents in the Gemini API。开发者可以通过一次 API 调用启动一个 Agent，让它推理、使用工具，并在隔离的 Linux 环境里执行代码。这套能力由 Antigravity agent harness 驱动，基于 Gemini 3.5 Flash，并接入 Interactions API 和 Google AI Studio。

这对 AI 应用开发者很重要。以前你是调用一个模型，现在你可以调用一个能跑工具、能执行代码、能保留环境状态的 Agent。

Workspace 这边：Google 把 Spark、Gmail Live、Docs Live、Keep、Google Pics 等能力放进办公场景。Spark 是 24 小时个人 AI Agent，可以在用户指令下帮忙处理数字生活，同时在高风险操作前先征求用户同意。

购物这边：Google 推出 Universal Cart，想把 Search、Gemini、YouTube、Gmail 等场景里的购物行为统一到一个购物车里。Google 还提到 AP2，也就是 Agent Payments Protocol，用来建立用户、商家和支付处理方之间透明、可验证的链接，并会从 Gemini Spark 开始接入。

这些更新看起来分散，底层逻辑一致：

Google 想让 Gemini 不只停留在聊天窗口里，而是进入搜索、办公、开发、购物和内容创作的真实工作流。

剩下的更新：Agent 能力分发到了 Google 每个产品 Google 这次的其余更新基本都在同一条主线上：把 AI Agent 能力放进每个日常用的 Google 产品里。

这次发布会最反常的一件事，是 3.5 Pro 没来

这场发布会从头看到尾，有个细节几乎没人讨论：Google 没有发 Gemini 3.5 Pro。

只在 keynote 里轻描淡写带了一句”已经在内部用了

下个月发…

这件事反常在哪里？

过去两年所有 AI 公司的发布节奏都是同一个套路：先发旗舰版立标杆，再发轻量版铺市场。GPT-5 先来、GPT-5 mini 后到。Claude Opus 先发、Haiku 跟上。Gemini 自己以前也是 Pro 先 Flash 后。

旗舰版是“我能做到多强”的展示牌，轻量版是“你能买得起”的走量款。这是延续了两年的剧本。

这次 Google 反过来了

轻量版先发，旗舰版押后

更反常的是 Google 直接把轻量版推到了“Gemini App 和 Google 搜索默认模型”的位置。这等于在说：新版 Pro 真的发出来之后，绝大多数用户也碰不到它，因为日常对话和搜索查询都已经被 Flash 接管了。

这个反常背后我的一个判断是：对于绝大多数真实任务来说，模型能力可能已经够用了。

继续往“更聪明”那个方向堆能力，边际收益在变小。

把“够用的能力”压到普通人用得起的价格和速度，反而是更值钱的事。

如果这个判断是对的，那这次发布会的真正信号不是“Gemini 又出三个新东西”，是 AI 行业进入了一个新阶段：

过去两年比的是模型能多聪明，从今天开始，比的是同样的聪明能多便宜、多快、多无感地出现在普通人的日常里。

Spark 跑在云端、Omni 进 YouTube、Flash 接管搜索，三个产品都在做同一件事：把“用 AI 需要专门去用 AI”这层门槛拆掉。

你回头看，这一年里所有让你印象深的 AI 产品，都不是因为“它最强”，而是因为“它出现在了你已经在做的事情里”。

Cursor 出现在你写代码的地方，Nano Banana 出现在你修图的地方，ChatGPT 的搜索出现在你查东西的地方。

3.5 Pro 押后这个动作，可能比这次发的三个产品本身更说明问题。

彩蛋：Google Android XR 智能眼镜 Google 在 I/O 2026 上预告了 Android XR 智能眼镜的更多细节：让 Gemini 这种 AI 助手离开手机，住进你戴的眼镜里，让你“不用掏手机”就能完成日常的事。

戴上眼镜，Gemini 能帮你干什么

说一句”Hey Google”，或者敲一下镜腿，就能唤醒 Gemini。下面是 Google 官方给的几个具体场景，每一个都跟“不掏手机”有关：

看到什么问什么：走过一家餐厅问 Gemini 它的口碑、抬头问那朵云是什么云类、看不懂的停车牌让 Gemini 翻译一下。

导航不用看屏幕：眼镜知道你站在哪、面朝哪个方向，给你一步步的口头方向。还可以让 Gemini 在路线上加一站，或者按你的口味推荐附近的餐厅。

接电话发短信不用掏手机：通过镜腿喇叭通话，让 Gemini 帮你总结刚才没接的消息。还能让它根据周围环境放配套的音乐。

拍照顺便修图：说一句“Hey Google，拍张照然后给所有人戴上滑稽帽子”，眼镜拍完照直接用 Nano Banana 改图。这个组合很关键，Google 把去年那个引爆图像编辑的 Nano Banana 直接接进了眼镜的拍照流程。

实时翻译：对方讲外语，Gemini 同步翻译给你听，连语气和音调都尽量贴合对方原声。看菜单或路牌时也能直接翻译给你听。

替你跑多步任务：让 Gemini 在后台帮你在 DoorDash 下咖啡订单，你手机继续放兜里，眼镜只在最后一步确认时提示你。

直接调用手机 App：语音叫 Uber、用 Mondly 学语言。
眼镜同时兼容 Android 和 iOS 手机，今秋上市…
明天我会现场去体验下…

加入 XiaoHu.ai 日报社群 每天获取最新的 AI 信息

End.

感 谢 阅 读

点赞，转发，关注关注关注↓↓