Google 升級 Gemini：Live 視覺功能免費，內建 Veo 3 與 Imagen 4

以前想讓 AI 幫你排查跳閘的電閘，得先拍張照，再打一長串字描述情況。如果它沒看懂，你還得繼續打字解釋。

在 5 月 20 日的 Google I/O 上，Google 把這個彆扭的過程直接砍掉了：Gemini Live 的攝像頭與螢幕共享功能正式向所有 Android 和 iOS 使用者免費開放。只要開啟手機鏡頭對著東西，或者把螢幕直接亮給它看，就能即時張嘴和它對話。Google 統計過，這種語音加視覺的互動平均時長是純打字聊天的 5 倍。

除了動嘴看世界的 Gemini Live，Google 這次幾乎把自家的多模態家底一口氣全塞進了 Gemini 應用。

影片自帶對白，調研能喂私活

這次更新裡最唬人的是多媒體生成能力。新內建的影像模型 Imagen 4 提升了文字排版和渲染質量，最高支援 2K 解析度，還準備推出快 10 倍的極速版。

更惹人注目的是新一代影片生成模型 Veo 3。它是全球首個原生支援音效、環境音和角色對話的影片模型，你輸入一段提示詞，它生成的短影片裡連街頭噪音甚至人物口型對白都有。不過 The Verge 在上手體驗後吐槽，這東西簡直成了「AI 垃圾內容生成機」，角色動作偶爾呆滯，甚至會自己腦補原本提示詞裡沒寫的臺詞。目前 Veo 3 僅限美國地區的 Google AI Ultra 訂閱使用者在應用內和新推出的 AI 電影製作工具 Flow 中嚐鮮。

日常功能方面，Gemini 的深度研究（Deep Research）現在允許使用者直接上傳本地的私有 PDF 和圖片，把它和全網公開資料交叉比對。市場分析師可以拿它算內部報表和行業趨勢，學者也能用來核對未公開的文獻，未來它還會直接打通 Google Drive 和 Gmail。

而在畫布（Canvas）空間裡，藉助新預設的 2.5 Flash 和 2.5 Pro 模型，使用者不僅能把筆記轉成支援 45 種語言的播客式音訊速覽、互動問答，還能純靠嘴說來進行 vibe coding，把創意快速敲成可執行的程式碼應用。

掏出 250 美元，買張 AI 全家桶 VIP 卡

功能越堆越多，Google 順勢重構了收費體系。原本的 Gemini Advanced 退役，變成了每月 19.99 美元的 Google AI Pro，打包提供更高呼叫額度，並附帶 NotebookLM 和 Flow 等工具。

最誇張的是全新推出的 Google AI Ultra 會員。每月定價高達 249.99 美元（首發前三個月半價），專供追求頂配限額的使用者。訂了這項服務，不僅能獨佔體驗 Veo 3 和即將上線的 2.5 Pro Deep Think 深度思考模式，還能在不久後首批嚐鮮桌面端的 Agent Mode——你只要提個目標，它就會自動瀏覽網頁、呼叫 Maps 和 Calendar 等全套 Google 應用，全程自主替你把事辦完。

面對學生群體，Google 則很大方：美國、巴西、印尼、日本和英國的高校生可以直接領到一整學年的 Google AI Pro 免費資格。

為什麼重要

對普通使用者來說，免費下放的 Gemini Live 視覺對話和直接丟 PDF 的深度研究，是現在立刻就值得開啟手機試一試的生產力升級。尤其是手機鏡頭指哪問哪的體驗，把之前多模態斷斷續續的互動變成了真正的隨身助手。至於 250 美元的 Ultra 檔位，現階段更像是針對專業開發者和極端先鋒使用者的試驗場，普通人沒必要去掏這筆高價。

對行業而言，Google 正在利用全家桶生態建立一堵高牆。無論是接下來的 Chrome 側邊欄常駐、跨多標籤頁代操作，還是將 Maps、Calendar、Drive 與系統深度繫結的 Agent Mode，這種原生系統的掌控力是純模型創業公司很難複製的。

我們認為，Google 這次最聰明的舉措是用免費的 Gemini Live 搶佔移動端入口，同時在 Veo 3 上搶先實現了影片與原生音訊的多模態一體化生成。但隱患也同樣明顯：一方面是 The Verge 所擔憂的內容失真和濫造低質影片的風險；另一方面，從 Deep Search、Deep Think 到 AI Mode、Agent Mode，Google 內部繁雜重疊的產品命名已經讓外界摸不著頭腦，技術落地雖猛，但在體驗整合上，看起來還沒徹底理清頭緒。