谷歌正在升级适用于 Mac 的 Gemini 应用程序,使其具备计算机使用功能,让 AI 代表用户在本地桌面应用程序和网络上进行点击和输入。据 9to5Google 报道,该功能于周四开始以美式英语向 Google AI Plus、Pro 和 Ultra 订阅者推出,彭博社和 TechCrunch 也报道了此次发布,谷歌自己也在官方博客上宣布了这一消息,标题是“让 Gemini 解决 Mac 上的重复性琐事”。

到目前为止,Mac 应用程序中的任务功能(以前称为 Gemini Spark)只能与 Gmail 或 Google 日历等连接应用程序结合使用本地文件。计算机的使用大大扩展了这一范围:Gemini 现在可以在桌面应用程序和网站上导航菜单、填写表格以及完成多步骤任务,在谷歌描述的独立后台窗口中进行操作,并在聊天中进行实时预览。当代理工作时,您的主屏幕和光标保持空闲状态。要了解主要实验室本月推出代理功能的积极程度,请参阅我们的最新人工智能发展 综述。

Gemini 在 Mac 上实际可以做什么

谷歌的宣传是,大多数日常工作涉及的应用程序之间不互相通信,并且在后台工作的代理可以吸收繁琐的中间步骤。该公司及其新闻报道强调了几个具体的用例:

  • 加快创意工作流程 — 在设计软件中批量对照片进行颜色分级或设置复杂的 3D 场景。
  • 跳过手动表格输入 — 从本地 PDF 中提取重量、尺寸和地址以填写多箱运输报价。
  • 将实时数据转化为演示文稿 - 从跨区域的仪表板中提取指标和屏幕截图,并将它们组装到 Google 幻灯片中。
  • 批量列出待售物品 — 分析本地文件夹中的服装照片、研究定价、记录物品详细信息以及在转售平台上暂存列表。

用户通过将 @Computer use 添加到提示来调用该功能。在应用程序的“自定义”>“连接器”设置中,Blender 和 Autodesk Fusion 的新“桌面”集成与现有的 Git 和 Obsidian 连接器一起出现,这是对创意和工程专业人士的显着认可,因为这些应用程序是 3D 设计和机械工作流程的核心。

安全护栏

让人工智能控制你的键盘和鼠标是一种信任练习,谷歌设置了一些限制。用户可以随时一键停止Gemini,并选择允许代理接触哪些应用程序。 Gemini 会暂停登录和付款步骤,敏感操作需要明确确认才能继续。隔离窗口设计增加了另一层:代理在自己的虚拟空间中工作,而不是劫持用户的活动桌面,并通过实时预览显示其正在执行的操作。

这些护栏与谷歌在其堆栈中其他地方的代理功能所采取的方法相呼应——该公司最近更广泛地升级了 Gemini 的代理任务模式,并在人工智能搜索中添加了隐身模式,作为同一隐私推动的一部分。它们还面临着对人工智能代理可以代表用户做什么的日益严格的审查:安全研究人员在 2026 年的大部分时间里记录了针对编码代理和基于浏览器的代理的即时注入攻击,使得暂停付款和确认要求不仅仅是仪式性的。

代理平台大战又一波猛攻

Mac 上电脑的使用将谷歌的代理野心扩展到了竞争对手全年都在盘旋的领域。 Anthropic 在 2024 年开放了 Claude 操作桌面的能力,开创了“计算机使用”类别,此后 OpenAI 将代理功能深入推入 ChatGPT。与此同时,微软依靠其 Windows 安装基础在操作系统级别提供代理防御和 Copilot 驱动的自动化。

谷歌条目的独特之处在于分布和框架。 Gemini for Mac 面向消费者而非开发人员,在工作发生的机器上本地运行,定位于琐事(人们拖延的重复性、多应用程序任务),而不是围绕自主工作。订户门控也很能说明问题:AI Plus、Pro 和 Ultra 是 Google 的付费套餐,随着该公司将 Gemini 超过 10 亿的用户群转变为付费客户,计算机可以使用订阅捆绑包中的另一项福利。谷歌最近还为超过 10 亿用户免费提供了 Gemini Tasks,这表明入门级代理功能可以培养用户的习惯,而计算机使用等高级功能则可以将其货币化。

今天开始以美国英语推出,并且与大多数 Gemini 功能一样,更广泛的语言和区域可用性可能会随之而来。免费套餐的 Mac 用户需要等待或升级,然后才能将文件交给 Google 代理。

---

保持人工智能领先地位

获取最新的人工智能新闻、分析和突破——尽在一个地方。

阅读更多人工智能新闻 →