首个Gemini桌面端曝光，系统级Agent空降PC！

【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。

首个Gemini桌面端，真要来了

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

• Gemini Spark：系统级Agent操控PC
• 
  

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。

• Stream to Cursor：「魔法指针」降临桌面
• 
  

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。

• Gemini Omni：内部代号Veo4 Omni
• 
  

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：语音实时交互
• 
  

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」。

全新Gemini 3.2闪现

编程快到「离谱」

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。

办公「全家桶」，也换脸了

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。

谷歌训出最大AI

迎来「Mythos时刻」

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。