Google I/O 2026 深度解读：Gemini Omni 与 Gemini 3.5 实战演示

在 Google I/O 2026 大会上，Google 正式发布了其最新的模型系列：Gemini Omni 和 Gemini 3.5。这两大产品代表了 Google 在生成式 AI 领域的最新突破，分别侧重于多模态内容的极致创作与智能体（Agent）的高效执行。

以下是对此次发布内容的完整解读与深度分析。

背景

随着 AI 技术从单纯的“对话”向“行动”和“复杂内容生成”演进，Google 此次发布的两款模型旨在解决两个核心痛点：

1. 视频创作的门槛与灵活性：传统视频编辑需要复杂的软件操作，而 Gemini Omni 试图通过自然语言交互，让用户能够基于现实世界知识生成和编辑高质量视频。
2. 智能体的速度与能力平衡：大型旗舰模型虽然强大但速度慢、成本高，而轻量级模型往往能力不足。Gemini 3.5 系列（首发 3.5 Flash）旨在结合前沿智能与执行速度，特别是在长周期任务（long-horizon tasks）中提供实时效用。

此外，Google 还引入了 Antigravity 这一新的执行框架，作为支撑 Gemini 3.5 智能体能力的底层引擎，并推出了个人 AI 助手 Gemini Spark。

核心内容

1. Gemini Omni：通过对话重塑视频创作

Gemini Omni 是 Google 全新推出的模型，其核心能力是“从任何输入创建任何内容”，目前首发功能聚焦于视频生成与编辑。

• 多模态输入与生成：用户可以结合图像、音频、视频和文本作为输入，生成基于 Gemini 现实世界知识的高质量视频。
• 自然语言视频编辑：这是 Omni 的差异化亮点。用户可以通过自然语言指令对视频进行编辑，且指令具有累积效应。
  • 一致性保持：在多次编辑中，角色保持一致，物理规律合理，场景能记住之前的状态。
  • 无限创意可能：用户可以改变特定细节或整体环境，将视频转化为原本无法实拍的内容。
• 实战演示案例：
  • 材质替换：将雕塑材质变为气泡。
  • 动作重构：将普通视频中的动作重新想象，例如在玻璃球内创建包含无限递归房间和手的视觉循环。
  • 多轮迭代编辑：以一段小提琴演奏视频为例，通过多轮对话依次实现：改变环境、使小提琴隐形、调整摄像机角度为过肩镜头。整个过程场景逻辑连贯，未丢失原始场景线索。

2. Gemini 3.5 Flash：前沿智能与执行速度的结合

Gemini 3.5 是 Google 最新一代模型家族，强调“前沿智能与行动的结合”。首发版本为 3.5 Flash，旨在为智能体和编码任务提供旗舰级性能，同时保持 Flash 系列特有的速度。

• 长周期智能体任务：3.5 Flash 擅长处理复杂的长周期任务。在 Antigravity 框架的支持下，它能执行多步骤工作流，例如自动重命名和分类非结构化资产。
• 协作式子智能体（Sub-agents）：结合更新的 Antigravity 框架，3.5 Flash 可以部署协作式子智能体，以解决大规模、高要求的问题。它在监督下能可靠地执行多步骤工作流和编码任务。
• 可视化与图形生成：3.5 Flash 利用子智能体创建复杂的数学概念可视化。例如，以极快速度生成 64 种分形变体来展示圆周率（Pi）的概念。
• 迭代式编码加速：在 AI Studio 上，3.5 Flash 能在 60 秒内生成结账流程的不同用户体验（UX）设计方案，展示了其在快速迭代中的编码能力。

3. 搜索与个人 AI 体验的升级

Gemini 3.5 Flash 的能力已深度整合进 Google 的日常产品中，特别是搜索和个人助手。

• 默认模型升级：3.5 Flash 现已成为全球 Gemini 应用和搜索中 AI Mode 的默认模型。
• 信息智能体（Information Agents）：
  • 功能：在后台全天候（24/7）运行，智能推理信息，在恰当时机提供精准更新。
  • 示例：追踪用户喜爱运动员的球鞋联名或签名款发布动态，并提供包含链接的综合更新。
  • 可用性：今年夏天首先向美国地区的 Google AI Pro 和 Ultra 订阅用户开放。
• 生成式 UI（Generative UI）：
  • 功能：根据问题即时构建理想格式的响应，包括可视化工具和模拟。
  • 示例：利用 3.5 Flash 构建解释 Gyroid 图案的交互式可视化图表。
  • 可用性：今年夏天对所有搜索用户免费开放。
• 自定义体验构建：
  • 针对婚礼策划、健身计划等持续任务，搜索将构建仪表盘、追踪器或迷你应用。
  • 未来几个月，用户将在搜索中利用 Antigravity 创建自定义体验（首先面向美国地区的 Pro/Ultra 用户）。
• Gemini Spark：个人 AI 智能体：
  • 定位：运行在 Gemini 3.5 上，使用 Antigravity 框架的个人 AI 智能体。
  • 能力：24/7 运行，在用户指令下代为执行数字生活任务，深度集成 Gmail、Docs、Slides 等 Workspace 工具。
  • 示例：创建无坚果零食清单并直接添加到 Instacart 购物车。
  • 可用性：现已面向美国地区的 Google AI Ultra 订阅用户开放。

4. 发布范围与可用性

• Gemini Omni Flash：
  • 通过 Gemini 应用和 Google Flow 向全球 Google AI Plus、Pro 和 Ultra 订阅用户推出。
  • 在 YouTube Shorts 和 YouTube Create App 上免费向所有用户开放。
  • 未来几周将通过 API 向开发者和企业客户推出。
• Gemini 3.5 Flash：
  • 通过 Google Antigravity、Google AI Studio 和 Android Studio 中的 Gemini API、Gemini Enterprise Agent Platform 以及 Gemini Enterprise 全面可用。
  • 在搜索的 AI Mode 中向所有人开放。
  • 正在向全球 Gemini 应用的所有用户推出。

关键要点

• Gemini Omni 的核心突破：在于“对话式视频编辑”。它不仅能生成视频，还能通过多轮自然语言指令，保持角色一致性和物理逻辑，对现有视频进行深度修改（如改变材质、环境、摄像机角度）。
• Gemini 3.5 Flash 的定位：是“速度与性能的平衡点”。它在保持 Flash 系列高速度的同时，提供了接近旗舰模型的性能，特别擅长长周期、多步骤的智能体任务。
• Antigravity 框架的重要性：这是支撑 Gemini 3.5 智能体能力的核心引擎。它允许模型部署协作式子智能体，处理大规模、复杂的自动化工作流（如资产分类、代码生成、可视化构建）。
• 搜索功能的质变：Google 搜索不再仅仅是链接列表，而是转变为“生成式 UI”和“信息智能体”平台。它能全天候监控信息、即时生成定制化图表/应用，并直接执行操作（如添加到购物车）。
• Gemini Spark 的出现：标志着 Google 正式推出个人 AI 智能体。它不同于传统的聊天机器人，而是 24/7 运行的、深度集成于 Workspace 生态的“数字代理人”，目前仅对顶级订阅用户开放。
• 分层发布策略：
  • Omni 侧重于创意消费端（YouTube 用户、订阅用户）。
  • 3.5 Flash 侧重于生产力与开发端（API、企业平台、搜索底层）。
  • Spark 侧重于高端个人助理市场。

意义与影响