Gemini桌面客户端终于上线：直接读取屏幕上下文，帮你解读一切！
Gemini桌面客户端终于上线：直接读取屏幕上下文，帮你解读一切！Gemini 终于推出桌面客户端了！除了能做网页端的一切，它的杀手锏是能捕捉屏幕上所有窗口，突破浏览器限制，把一切都装进模型上下文，帮你解读一切。
来自主题: AI资讯
8448 点击 2026-04-17 09:14
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
Gemini 终于推出桌面客户端了！除了能做网页端的一切，它的杀手锏是能捕捉屏幕上所有窗口，突破浏览器限制，把一切都装进模型上下文，帮你解读一切。
谷歌悄悄加了一个Agent新入口：Gemini开始长出「手脚」，不再只负责回答问题，还准备下场替你干活了。
联手波士顿动力，谷歌给机器人装上会读表的脑子。
你的浏览器，从今天起进化成免费智能体。谷歌Chrome推出Gemini Skills，一键生成可复用的技能。
现有大模型评测分数日趋饱和，但与真实体验差距显著。南京大学傅朝友团队牵头，在 Google Gemini 评测团队邀约下推出视频理解新基准 Video-MME-v2。凭借创新的分层能力体系与组级非线性评分，以及 3300 + 人工时高质量标注，揭示模型与人类的巨大鸿沟（49 vs 90）、传统 Acc 指标虚高、以及 “Thinking” 并非总是增益等现象。
现有大模型评测分数日趋饱和，但与真实体验差距显著。南京大学傅朝友团队牵头，在Google Gemini评测团队邀约下推出视频理解新基准Video-MME-v2。凭借创新的分层能力体系与组级非线性评分，以及3300+人工时高质量标注，揭示模型与人类的巨大鸿沟（49vs90）、传统Acc指标虚高、以及「Thinking」并非总是增益等现象。
近日，上海人工智能实验室联合南京大学、香港中文大学及上海交通大学，将OpenClaw的成功应用于多模态生成领域。他们提出GEMS（Agent-Native Multimodal Generation with Memory and Skills），激发小模型潜力，甚至让6B小模型在部分任务超越了Nano Banana 2。
近日，京东开源图像模型JoyAI-Image-Edit，将空间智能纳入图像理解与编辑，让AI开始处理真实世界中的空间关系，让模型真正“理解空间，编辑空间”。简单解释，这是一个以空间智能为核心的图像生成与编辑模型，让 AI 真正“看懂”三维空间，从而让生成更合理、编辑更精准。
Google放出重磅整合：Gemini正式上线「Notebooks」功能，与NotebookLM实现知识库双向同步——你在任意一端添加的资料，另一端自动出现。The Verge直言这是在硬刚ChatGPT Projects。Gemini团队成员Logan Kilpatrick发推官宣，4.4万人围观，近900人点赞。AI助手的「第二大脑」时代，来了。
对本地部署玩家，尤其是Mac用户来说，长上下文推理最大的痛点往往不是“模型不够聪明”，而是稍微多用点上下文，统一内存就被撑爆了”，这一点在最近的Gemma-4 31B的部署中尤为明显，在同等上下文的情况，显存占用比Qwen3.5-27B高约一倍不止，直接劝退了不少人。但好消息是，谷歌近期提出的TurboQuant KV缓存量化算法，正是为了解决这个痛点而生。