Google 升级 Gemini：Live 视觉功能免费，内置 Veo 3 与 Imagen 4

以前想让 AI 帮你排查跳闸的电闸，得先拍张照，再打一长串字描述情况。如果它没看懂，你还得继续打字解释。

在 5 月 20 日的 Google I/O 上，Google 把这个别扭的过程直接砍掉了：Gemini Live 的摄像头与屏幕共享功能正式向所有 Android 和 iOS 用户免费开放。只要打开手机镜头对着东西，或者把屏幕直接亮给它看，就能实时张嘴和它对话。Google 统计过，这种语音加视觉的互动平均时长是纯打字聊天的 5 倍。

除了动嘴看世界的 Gemini Live，Google 这次几乎把自家的多模态家底一口气全塞进了 Gemini 应用。

视频自带对白，调研能喂私活

这次更新里最唬人的是多媒体生成能力。新内置的图像模型 Imagen 4 提升了文字排版和渲染质量，最高支持 2K 分辨率，还准备推出快 10 倍的极速版。

更惹人注目的是新一代视频生成模型 Veo 3。它是全球首个原生支持音效、环境音和角色对话的视频模型，你输入一段提示词，它生成的短视频里连街头噪音甚至人物口型对白都有。不过 The Verge 在上手体验后吐槽，这东西简直成了「AI 垃圾内容生成机」，角色动作偶尔呆滞，甚至会自己脑补原本提示词里没写的台词。目前 Veo 3 仅限美国地区的 Google AI Ultra 订阅用户在应用内和新推出的 AI 电影制作工具 Flow 中尝鲜。

日常功能方面，Gemini 的深度研究（Deep Research）现在允许用户直接上传本地的私有 PDF 和图片，把它和全网公开资料交叉比对。市场分析师可以拿它算内部报表和行业趋势，学者也能用来核对未公开的文献，未来它还会直接打通 Google Drive 和 Gmail。

而在画布（Canvas）空间里，借助新默认的 2.5 Flash 和 2.5 Pro 模型，用户不仅能把笔记转成支持 45 种语言的播客式音频速览、互动问答，还能纯靠嘴说来进行 vibe coding，把创意快速敲成可运行的代码应用。

掏出 250 美元，买张 AI 全家桶 VIP 卡

功能越堆越多，Google 顺势重构了收费体系。原本的 Gemini Advanced 退役，变成了每月 19.99 美元的 Google AI Pro，打包提供更高调用额度，并附带 NotebookLM 和 Flow 等工具。

最夸张的是全新推出的 Google AI Ultra 会员。每月定价高达 249.99 美元（首发前三个月半价），专供追求顶配限额的用户。订了这项服务，不仅能独占体验 Veo 3 和即将上线的 2.5 Pro Deep Think 深度思考模式，还能在不久后首批尝鲜桌面端的 Agent Mode——你只要提个目标，它就会自动浏览网页、调用 Maps 和 Calendar 等全套 Google 应用，全程自主替你把事办完。

面对学生群体，Google 则很大方：美国、巴西、印尼、日本和英国的高校生可以直接领到一整学年的 Google AI Pro 免费资格。

为什么重要

对普通用户来说，免费下放的 Gemini Live 视觉对话和直接丢 PDF 的深度研究，是现在立刻就值得打开手机试一试的生产力升级。尤其是手机镜头指哪问哪的体验，把之前多模态断断续续的交互变成了真正的随身助手。至于 250 美元的 Ultra 档位，现阶段更像是针对专业开发者和极端先锋用户的试验场，普通人没必要去掏这笔高价。

对行业而言，Google 正在利用全家桶生态建立一堵高墙。无论是接下来的 Chrome 侧边栏常驻、跨多标签页代操作，还是将 Maps、Calendar、Drive 与系统深度绑定的 Agent Mode，这种原生系统的掌控力是纯模型创业公司很难复制的。

我们认为，Google 这次最聪明的举措是用免费的 Gemini Live 抢占移动端入口，同时在 Veo 3 上抢先实现了视频与原生音频的多模态一体化生成。但隐患也同样明显：一方面是 The Verge 所担忧的内容失真和滥造低质视频的风险；另一方面，从 Deep Search、Deep Think 到 AI Mode、Agent Mode，Google 内部繁杂重叠的产品命名已经让外界摸不着头脑，技术落地虽猛，但在体验整合上，看起来还没彻底理清头绪。