4月16日消息,Google密集推出四项Gemini生态更新,覆盖桌面端原生应用、消费级智能体、开发者工具子代理与语音合成模型,同时对标OpenAI、Anthropic同类产品。其中Gemini 3.1 Flash TTS在Artificial Analysis语音竞技场以1211 Elo位列第二,Mac版由小团队在不到100天内交付100+功能。 桌面端两天补齐,Mac版限定Apple Silicon
Google上线Windows端Gemini(以Google app形式承载,Alt+Space唤起,兼容Windows 10及以上和macOS原生应用,限定搭载Apple Silicon的macOS 15及以上。应用通过Option+Space唤起mini chat、Option+Shift+Space调出完整对话窗口,支持屏幕共享、文件分析、Nano Banana图像生成与Veo 3.1视频生成,Mac版为100%原生Swift开发。横向看,Claude与ChatGPT的Mac应用早已上架App Store,Google是三大厂中最后完成桌面端补齐的一家。当前Windows版仅英语可用,Mac版把Intel机型与Sequoia以下系统用户全部排除在外。 Gemini Agent升级至3.1 Pro,仍锁定美国Ultra
Gemini Agent并非首次亮相——2025年11月Gemini 3发布时就已随Ultra订阅灰度推出,本次升级到Gemini 3.1 Pro并上线独立产品页。该智能体可跨Gmail、Calendar、Drive、Keep、Tasks、Maps、YouTube执行多步骤任务,覆盖旅行规划、比价购物、邮件整理等场景,在发送邮件或完成购买前强制请求用户确认。可用范围依然严格——美国地区、英语界面、18岁以上个人账户的Ultra订阅用户,Workspace与学生账户被排除在外。对比Anthropic近期主推的Cowork面向知识工作、OpenAI的ChatGPT agent模式已支持更宽松语言与区域开放,Gemini Agent的地区与账户限制显著拖慢了在非英语市场的实战验证节奏。
Gemini CLI新增子代理(subagents)机制,主代理可将复杂任务委派给预定义的专家代理,每个子代理拥有独立上下文窗口、系统提示与工具集。开发者通过Markdown加YAML frontmatter在.gemini/agents/目录定义角色,工具权限支持通配符(*、mcp_*等),可选配独立模型、温度、最大对话轮数与执行时间。内置三个子代理:generalist、cli_help、codebase_investigator,调用方式支持自动路由或通过@agent_name强制分派,同时支持多子代理并行执行。该功能目前需要在settings.json手动启用experimental.enableAgents,对标Anthropic Claude Code在2024年下半年就开放的sub-agents能力,Google这次是跟进而非原创,且子代理不能递归调用其他子代理,体验完整度仍有差距。 Flash TTS以1211 Elo居第二,音频标签仅支英文
Gemini 3.1 Flash TTS在Artificial Analysis TTS语音竞技场以1211 Elo排名第二,提供30种预置声线与70+语言的覆盖。主要新增能力是音频标签——通过在文本中嵌入[whispers]、[slow]、[enthusiasm]等方括号英文标签,在行内控制语调、节奏、情绪与停顿,官方称支持200+标签,可与非英语正文混用。模型原生支持多说话人对话,避免为不同角色多次调用API造成的拼接断点。所有输出内置SynthID水印用于AI内容溯源,分发渠道覆盖Gemini API、Google AI Studio、Vertex AI与Workspace的Google Vids。横向对比,ElevenLabs v3在表现力评分上仍占上风,但Flash TTS在价格/质量象限中排名靠前,Artificial Analysis将其划入"最具吸引力"区间。 AI Studio Build模式上线Design Previews for Build功能,已对全用户开放
Google AI Studio的应用构建过程中实时生成设计方案的功能已正式上线——此前vibe coding虽已支持自然语言建App,但本次新增Design Previews后,用户描述App时Gemini会同步并行生成5种完整设计主题(视觉风格、配色、布局、动画等)。点击Apply即可一键获得开箱即用的精美UI设计,无需手动写CSS或后期美化。该功能支持全栈小应用、落地页和工具类App,结合Gemini最新模型实现设计与开发真正一体化。目前已对所有AI Studio用户开放,免费阶层即可使用(高级模型需Gemini Advanced)。对比Cursor、Claude Code等其他AI App Builder“能跑但难看”的常见痛点,此功能显著降低了开发者与产品人的美化门槛,Google AI Studio团队表示更多视觉控制更新本周和下周还会推出。
局限与观察要点
四条更新的限制集中在三个方向。
地区与语言上,Gemini Agent仅美国英语Ultra账户可用,Windows端Google app也仅英语放开,非英语市场需继续等待;生态兼容性上,Mac版要求Apple Silicon加macOS 15,Intel Mac与Sequoia以下系统用户被排除在外,CLI子代理需手动开启实验性开关。
功能完整度上,子代理不支持递归调用、Gemini 3.1 Pro仍为preview状态未GA、Agent的结构化输入输出仍待完善,Flash TTS的音频标签仅英文可用,中文文本无法用中文标签触发。
对中文用户与教育市场而言,Agent的Workspace与学生账户禁用、TTS标签语言限制、Windows版英文限定共同拖慢了Google在国际市场的渗透节奏。