Google 11 月 19 日起,在 Mac 版 Gemini 應用程式中推送「電腦操作」(computer use)功能。使用者用一句話描述任務,Gemini 就會自己點擊、打字、翻選單、填表單,跨本機檔案、桌面軟體和網頁把事情做完。首批只開放給美國、英語介面的 Google AI Plus、Pro 與 Ultra 訂閱用戶。
發布部落格由 Gemini 應用程式的產品負責人 Michael Friedman 署名,篇幅很短。裝置門檻寫在註腳裡:需要搭載 Apple Silicon 晶片的 Mac,系統為 macOS Sequoia 15.0 或更新版本;帳號必須是年滿 18 歲的個人 Google 帳號,工作與學校帳號不在這次範圍內。歐洲和英國的用戶暫時還用不到。
在背景視窗裡幹活
Google 在這次發布中最強調的一點,是 Gemini 不跟使用者搶滑鼠。它在一個隔離的背景視窗中運作,聊天框裡有即時預覽,使用者自己的螢幕和游標照常可用。
“Your main screen and cursor remain completely free, so you can keep typing, designing, or taking calls without interruption.”
(你的主螢幕和游標完全空出來,可以繼續打字、做設計或接電話,不受干擾。)
呼叫方式是在對話裡加上「@Computer use」標籤。使用者事先選定 Gemini 能碰哪些應用程式,可以全程看它的每一步操作、隨時暫停;關鍵操作執行前要經使用者同意。根據 9to5Google 報導,遇到登入和付款環節,Gemini 也會停下來等人確認,設定裡還多了 Blender、Autodesk Fusion 等桌面連接器。
Google 給的四個示例都偏日常雜務:在修圖軟體裡批次調色或搭建 3D 場景;從本機 PDF 擷取重量、尺寸和地址,填進多欄位的物流報價單;從多個地區的資料儀表板擷取指標,彙整成一份 Google 簡報;分析資料夾裡的衣服照片,查價格、記錄資訊,再到二手平台上架商品。
風險提示也寫得很直白。Google 表示 Gemini 可能出錯,包括永久刪除檔案或把檔案分享給他人。被更動檔案的備份會在 24 小時後,或使用者開始新任務時被刪除。
從 Spark 到電腦操作
把 Google 今年在 Mac 上的幾個步驟串起來看,節奏相當密集:
- 6 月 30 日,Gemini Spark 智慧代理登陸 Mac,只開放給美國 18 歲以上的 AI Ultra 用戶,且只能碰使用者授權的資料夾;
- 7 月底,Mac 版 Gemini 能用語音控制已開啟的應用程式,Spark 隨後擴大到 160 多個國家的 AI Pro 用戶;
- 9 月 10 日,Gemini 推出 Windows 用戶端,以 Alt + 空白鍵喚出;
- 10 月 13 日,Gemini 應用程式加入使用者離開後仍能持續執行的任務模式;
- 11 月 17 日,任務模式在美國等六個國家免費開放;
- 11 月 19 日,電腦操作上線。
開發者那一側更早。Google 2025 年 10 月就把 Gemini 2.5 Computer Use 模型開放給開發者,今年 6 月又把電腦操作能力做進 Gemini 3.5 Flash。這次的變化在載體:能力從 API 和瀏覽器裡走出來,進到一般人電腦上的消費級應用程式,可操作的對象也從網頁擴大到使用者點名的任何桌面軟體。
價格分層透露了 Google 的盤算。只處理檔案和已連結服務的任務模式,在美國已經免費;能直接驅動螢幕的電腦操作,則從最便宜的付費方案起跳。依先前公布的價格,AI Plus 每月 4.99 美元,Pro 為 19.99 美元,Ultra 則更高。PPC Land 粗估,從 6 月 Spark 只給最貴一檔,到這次電腦操作,中間隔了 142 天。
幾處還沒說清楚的地方
Google 的公告和說明文件並不完全一致。AppleInsider 指出,發布當天的支援文件只把 Pro 和 Ultra 列為可控制桌面應用程式的方案,公告裡卻寫了 AI Plus,究竟以哪一份為準,Google 並未另外說明。TechCrunch 報導稱,Google 也沒說何時擴大到其他國家或其他作業系統。
另一處空白在網頁那一側。Gemini 在背景視窗裡開啟網站、填寫表單時,網站看到的是一般瀏覽器還是可辨識的智慧代理,公告中沒有交代。對經營電商和表單業務的網站來說,這會影響風控與統計口徑。
同類產品已經不少。Anthropic 的 Cowork 今年 1 月以研究預覽形式登陸 macOS,OpenAI 的 Chrome 擴充功能能代替使用者操作分頁、填表單、發訊息。Gemini 這次的差異落在「背景視窗」上:人和智慧代理各用各的游標。實際用起來穩不穩,要等第一批 Plus 用戶的回饋。
參考來源:Google Gemini 官方部落格(功能範圍、裝置與帳號要求、四個示例)、TNW、CocoLoop、PPC Land(訂閱價格與產品節點梳理)、9to5Google(呼叫方式與桌面連接器)、AppleInsider、TechCrunch;Google 說明中心核實系統版本與年齡要求。