Gemini Omni 在 Google I/O 2026 开幕前 也就是昨天开始小范围偷偷灰度测试 只需一句 提示词：一位教授在传统的黑板上写出了一段关于三角函数公式的数学证明，并解释了他当前在等式中的所处步骤 生成效果👇

天哪，@GeminiApp 简直是碾压 Gemini Omni：全新的视频模型。这是第一批输出结果，看看这文本连贯性，如果这都不算视频领域的“纳米香蕉”时刻（指史诗级突破），那还能是什么？

NVIDIA 这次真的不讲武德，直接甩出一个开源的视频理解怪兽 Nemotron 3 Nano Omni，处理视频快得离谱：1 小时就能搞定 10 小时的视频内容，比播放速度还快 10 倍 核心靠的是 3D 卷积技术，不再逐帧傻扫，而是成块"吞噬"数据，效率直接拉满 以后这些场景真的爽： 全天监控里找"没戴安全帽且在争吵"的人 几百个素材里精准定位"有海浪声且拍到日落"的画面 听一段机器运转视频就能诊断电机异响 几分钟帮你搞定，连 Whisper 的钱都省了 不过要注意，这哥们是个典型的偏科生 技能点全加在了多模态理解和处理效率上，想拿它写代码或者搞高难度文本推理，表现可能还不如一些轻量级纯文本模型 结论：别把它当全能程序员，但在音视频分析、海量素材打标这些实战场景里，它绝对是开源界的神 搞 AI 视频、多模态的兄弟，这个必须试试 项目地址放评论区了👇

虽然提前偷跑了那么多信息，但这届Google I/O还是堪称量大管饱啊⋯⋯家底厚实就是可以为所欲为。 不睡觉的媒体总结已经全网都是了，我提几个自己划线的重点： - Gemini Omni的全模态架构应该会在一年内被所有大厂跟进，可能只有Anthropic这种极致的偏才可以无视； - 首发的Gemini Omni Flash只有一个产品可以免费体验，就是YouTube Shorts，Google为了扶持短视频真是倾尽所有的特权啊； - 1000美金不到的Token成本，让Gemini 3.5 Flash自己跑了12个小时，写出了一个可运行的操作系统，这个演示堪称天秀； - 所以可想而知Token的市场还会指数级增长，Gemini的产品侧加上API总计日均消耗134万亿Token，可以说是富可敌国了，作为参照，中国3月的数据是全国日均消耗140万亿Token； - Gemini的月活9亿，还差一步就可以跻身Google旗下的「黄金产品线」，也就是以10亿月活为入场门票的基准，目前已经有12个了，如果不出意外，Gemini会在今年成为第13个； - 第八代TPU第一次有了双芯片架构，一片支持训练，一片支持推理，对英伟达苦心营造的叙事——「TPU固然适合推理，训练还是得靠GPU」——唱出反调； - 「Ask YouTube」是我最喜欢的一个易用性功能，非常简单粗暴的去搜索化，新一代网民会生活在一个原生对话的环境里，想看什么，直接问就可以了，YouTube属于Google非常核心的资产，而且一定会越来越重要； - AI图片的隐形水印通用标准SynthID把OpenAI、Kakao、ElevenLabs都拉了进来，TikTok也即将加入，图片、声音、视频的Fake溯源基本能覆盖到主流生成产品了，「这是AI图吗」的疑问能有地方给解答； - 什么？你说Google I/O不是给Anroird开发者办的活动吗？Android是谁？真不熟⋯⋯

Goolge AI 的重大进展 - flash 3.5 发布：编程能力接近claude和gpt，但是速度快（4倍），价格只有一半；多模态能力碾压claude，3个指标中2个超越gpt，感觉gemini的多模态是最强的 - Gemini Omni 多模态模型：主要是视频模型的升级，谷歌的nano banana在图像方面取得了成功，这次视频升级以后，看看和seedance 2.0差距有多少