Gemini app receives major upgrade with video generation

🔑 增強重點摘要

•Gemini 的影片生成功能名為 Gemini Omni（或 Veo 3.1/Omni Flash），它能將圖像、音訊、影片和文字等多模態輸入結合，生成高品質影片，並支援透過自然對話編輯現有影片，同時保持內容元素的一致性。
•24/7 全天候代理功能被命名為 Gemini Spark，旨在主動管理跨應用程式（如 Gmail、日曆、文件）的任務，並能學習用戶偏好，設定重複性任務、學習新技能及建立完整的工作流程。
•晨間簡報功能「Daily Brief」是個人化的，由個人智慧（Personal Intelligence）驅動，它能從連接的應用程式和 Gemini 聊天中提取優先事項，並以「最受關注」（Top of Mind）和「展望未來」（Look Ahead）的視圖組織用戶的一天。
•Gemini Omni Flash 正在 Gemini 應用程式、Google Flow 和 YouTube Shorts 中推出，並提供創建與用戶外觀和聲音相似的數位替身功能。所有生成的影片都將嵌入 SynthID 數位浮水印以驗證其 AI 生成來源。
•Gemini 3.5 Flash 是下一代模型中的首個，它結合了前沿智慧與閃電般的速度，而 Gemini Spark 則運行於 Gemini 3.5 並採用 Antigravity 框架。

📊 競品分析▸ Show

功能/定價/基準	Google Gemini	OpenAI Sora	Anthropic Claude	Microsoft Copilot
多模態輸入	文字、程式碼、圖像、音訊、影片	文字 (生成影片)	文字、圖像	文字、圖像、語音
多模態輸出	文字、圖像、音訊、影片 (Gemini Omni/Veo 3.1)	影片	文字	文字
上下文窗口	1.5 Pro 高達 100 萬 tokens；3.1 Pro 高達 200 萬 tokens	未公開具體數字	約 15 萬字 (~20 萬 tokens)	未公開具體數字
即時網路存取	有	無 (基於預訓練知識)	無 (基於預訓練知識)	有 (由 Bing 提供)
代理功能	Gemini Spark (24/7 個人 AI 代理，主動任務管理，工作流程，第三方整合)	無	無	多代理自動化，Copilot Cowork (多步驟任務)
影片生成	Gemini Omni/Veo 3.1 (電影級影片生成，多模態輸入，編輯現有影片，數位替身，SynthID 浮水印)	文字轉影片 (逼真場景，細緻角色/背景，物理互動理解有限)	無	無
整合生態系統	Google Workspace, Android, Chrome, iOS, Vertex AI	獨立模型	Anthropic API, AWS Bedrock	Microsoft 365, Outlook, Teams, Word, Excel, PowerPoint, Edge
個人版定價	免費 (Flash/Flash-Lite API, 基本應用程式功能)；Gemini Advanced (Google One AI Premium) $19.99/月 (1.5 Pro, 2TB 儲存)；Google AI Ultra $100/月 (進階功能), $200/月 (最高限制，含 Omni, 20TB 儲存, YouTube Premium)	需付費 (Sora 無浮水印版本更昂貴)	免費 (Claude 4 Sonnet 有每日限制)	整合於 Microsoft 365 訂閱 (具體定價未詳述)
企業版定價	Workspace Business $20/用戶/月；Enterprise $30/用戶/月；API 定價依模型和 tokens 數量而異 (例如 3.1 Pro $2/$12 每百萬 tokens 輸入/輸出)	未公開	API 定價 (Opus 4.5: $5/百萬輸入 tokens, $25/百萬輸出 tokens)	整合於 Microsoft 365 企業版 (具體定價未詳述)
基準表現	Ultra 在 MMLU 上 90.0% 超越人類專家；3.1 Pro 在 ARC-AGI-2 上 77.1%，SWE-Bench Verified 上 80.6%；1.5 Pro 在 87% 基準上優於 1.0，在 32 個關鍵基準中 30 個超越 ChatGPT	逼真影片生成能力強，但物理互動理解有待提升	Claude 3.5 在推理基準上達到研究生水平	未公開具體基準，但強調在 Microsoft 應用程式中的效率

🛠️ 技術深入

模型架構: Gemini 是一個多模態大型語言模型 (LLM) 系列，是 LaMDA 和 PaLM 2 的繼任者。它從頭開始設計為多模態，原生訓練於多種資料類型，可同時處理文字、程式碼、圖像、音訊和影片。
核心技術: 採用 Google 於 2017 年推出的 Transformer 模型架構。Gemini 1.5 Pro 還應用了專家混合 (Mixture of Experts, MoE) 架構，其中較小的「專家」神經網路專精於特定領域。
上下文窗口: Gemini 1.5 Pro 提供 100 萬 tokens 的上下文窗口，可處理約一小時的影片、11 小時的音訊或 3 萬行程式碼。Gemini 3.1 Pro 支援 200 萬 tokens 的上下文窗口。
影片生成 (Omni/Veo): Gemini Omni 是一個新模型，能夠「從任何輸入創建任何輸出——從影片開始」。它結合圖像、音訊、影片和文字作為輸入，生成基於 Gemini 真實世界知識的高品質影片。它能更好地理解物理力學（如重力、動能和流體動力學），使場景更逼真。所有生成的影片都嵌入 SynthID 數位浮水印。 Veo 3.1 可生成 8 秒的 720p、1080p 或 4k 影片，並原生生成音訊（旁白、音效和背景音樂）。它支援縱向/橫向影片、影片延伸、特定幀生成和基於圖像的指導。
代理框架: Gemini Spark 運行於 Gemini 3.5 Flash 並使用 Google Antigravity 開發平台，這是一個 AI 原生 IDE，有助於防止代理失控。它將透過模型上下文協議 (Model Context Protocol, MCP) 與第三方工具整合。

🔮 前景展望AI analysis grounded in cited sources

AI 助理將成為日常數位任務管理不可或缺的工具。

Gemini Spark 的 24/7 主動代理功能，整合跨多個應用程式並學習用戶偏好，將顯著減輕數位雜務並簡化工作流程。

影片內容創作將變得高度普及和個人化。

Gemini Omni 能夠從多種多模態輸入（包括個人替身）生成和編輯電影級影片，將使日常用戶和創作者都能輕鬆進行影片製作。

AI 助理與自主代理之間的界線將模糊，導致更複雜的 AI 驅動工作流程。

Gemini Spark 能夠設定重複性任務、學習新技能和創建完整工作流程，並透過 MCP 與第三方服務整合，預示著 AI 將主動執行多步驟操作。

⏳ 時間線

2023-02

Google 執行長 Sundar Pichai 宣布推出 Bard，這是一個由 LaMDA 驅動的實驗性對話式 AI 服務。

2023-12-06

Google 宣布推出 Gemini，這是一個更大、多模態的 LLM 系列，並將調整後的 Gemini Pro 整合到 Bard 中。

2024-02

Bard 聊天機器人更名為 Gemini，並將 Google Cloud 和 Workspace 的「Duet AI」品牌替換為 Gemini 識別符。

2024-05

Google I/O 宣布推出 Gemini 1.5 Flash，並擴展 Gemini Advanced，其中 Gemini 1.5 Pro 以其 100 萬 tokens 的上下文窗口而聞名。

2024-12-11

Google 宣布推出 Gemini 2.0 Flash 作為 Gemini 2.0 系列中的第一個模型，支援原生多模態輸出和改進的代理功能。

2026-05-19

Google 宣布推出 Gemini Omni（電影級影片生成）、Gemini Spark（24/7 代理）和 Daily Brief 功能，以及 Gemini 3.5 Flash。

Gemini 應用程式重大更新，新增影片生成功能

⚡ 30-Second TL;DR

關鍵要點

🧠 深度解析

🔑 增強重點摘要

🛠️ 技術深入

🔮 前景展望AI analysis grounded in cited sources

⏳ 時間線

📎 來源 (35)

📰 事件追蹤

👉相關動態

阿里發布 Qwen-Image-3.0 圖像生成模型

Google Gemini 與 Dragon Quest 合作推出圖像生成功能

Volvo 透過 OTA 更新為 200 萬輛車款導入 Apple Music

Bose QuietComfort 即將更新，預計加入更智慧的功能