Google I/O 2026：正式推出 Gemini 3.5 与 Gemini Omni，视频生成迈入「任意输入」新阶段

Google 于 2026 年 5 月 19 日的 I/O 开发者大会上，由首席执行官 Sundar Pichai 主题演讲宣布正式进入「代理型 Gemini 时代」，同步推出两项核心更新：主打前沿智能与代理任务、编程能力的「Gemini 3.5」，以及全新生成模型「Gemini Omni」。Gemini Omni 结合 Gemini 的推理能力与 Google 生成式媒体技术，能将图片、文字、已有视频片段、音频等任意参考素材，整合转换为单一连贯的视频输出，并引入 Google 对物理世界的理解（重力、动能、流体力学等），使生成画面更符合真实物理逻辑。

性能数字说话：Gemini 3.5 Flash 逼近甚至超越前代旗舰

Google 公布的基准测试显示，轻量版模型「Gemini 3.5 Flash」在多项指标上超越前一代旗舰「Gemini 3.1 Pro」：Terminal-Bench 2.1 达 76.2%（对比 3.1 Pro 的 70.3%）、MCP Atlas 达 83.6%（对比 78.2%）、Finance Agent v2 达 57.9%（对比 43.0%）、GDPval-AA 达 1656 Elo（对比 1314），多模态理解测试 CharXiv Reasoning 更达 84.2%。Google 并宣称其输出速度较其他前沿模型快四倍。Gemini 3.5 Flash 已于发布当日同步全面上线 Gemini API、Google AI Studio、Google Antigravity、Vertex AI、Gemini App 与 Google 搜索的 AI 模式。

Gemini Omni：从「文字转视频」到「任意素材转视频」

过去一年市面上的视频生成工具多以文字提示词为主要输入方式，Gemini Omni 的突破在于能同时理解图片、文字、已有视频片段与音频素材，将它们融合成风格与内容连贯的新视频，并可用「电影运镜」「更换背景」等简单对话式指令进行编辑。目前「Gemini Omni Flash」版本已对 Google AI Plus、Pro、Ultra 订阅用户开放，可通过 Gemini App 与 Google Flow 使用；YouTube Shorts Remix 与 YouTube Create App（限 18 岁以上用户）也可免费使用，开发者与企业客户预计在未来数周内通过 Gemini API 与 Agent Platform API 陆续开放。所有生成视频均嵌入 Google 的 SynthID 数字水印，可在 Gemini App、Chrome 与搜索中验证来源。

业界解读：Google 加码视频生成与科研应用两端

科技媒体普遍将 Gemini Omni 视为 Google 对 OpenAI 及其他视频生成模型近期动作的正面回应——目前多数对手仍局限于单一模态输入，Google 选择以「任意输入整合」与「物理真实感」作为差异化切入点。同场大会上，Google DeepMind 也宣布将互动世界生成工具 Project Genie 与近 20 年的 Google 街景影像数据串接，用于生成以真实地理为基础的虚拟世界；另推出整合 AI Co-Scientist、AlphaEvolve 等系统的「Gemini for Science」科研工具套件。分析认为，Gemini 3.5 Flash 的全面上线对现有开发者影响更为直接（关系到 API 调用成本与响应速度），Gemini Omni 则需要更长时间观察实际生成质量、版权争议与商用稳定度。

对管理者的意义

对于需要制作产品介绍、培训短片或社媒营销内容的管理者而言，Gemini Omni Flash 已可在多数员工日常使用的 Gemini App 与 Google Flow 中直接尝试——不必等专业剪辑团队，用手边的产品照片和一段口头说明就可能生成初版视频素材，并自带水印利于内容溯源。建议先确认企业订阅方案的授权范围与素材版权争议，再评估是否纳入常态内容生产流程。