對於剛接觸大型語言模型（LLM）的工程師來說，目前的 AI 發展已經從單純的對話機器人，演進到能夠處理多模態輸入並執行複雜任務的代理系統。Google 最近發布的 Gemini Omni 與 Gemini 3.5 Flash 正是這個趨勢的代表。這兩款模型分別解決了兩個不同的核心問題：一個是關於創造力與多模態編輯，另一個則是關於執行力與自動化流程。
理解 Gemini Omni：將對話轉化為影片編輯指令
過去我們使用 AI 生成影片，通常是輸入一段文字（Prompt），然後等待模型生成結果。但這種方式缺乏控制力，如果你想修改影片中的某個細節，往往得重新生成整個片段。
Gemini Omni 引入的概念是將推理能力與創造力結合。它的核心能力在於多模態輸入（Multimodal Input），也就是它可以同時理解文字、影像、音訊與影片。對工程師而言，這意味著模型不再只是把影片當成一連串的圖片，而是將其視為一個可被理解且可被修改的實體。
Omni 最強大的實務應用在於對話式編輯。你可以對它下指令，例如將影片中的雕塑變成泡泡，或者改變攝影機的視角。最關鍵的技術突破在於一致性（Consistency）與物理邏輯（Physics），模型能記得前一個指令的結果，確保角色在變換環境後依然是同一個人，且場景中的物理互動符合常理。這將影片編輯的門檻從複雜的剪輯軟體，降低到了自然語言對話的程度。
解析 Gemini 3.5 Flash：從聊天機器人進化為 Agent
如果說 Omni 是為了創造，那麼 Gemini 3.5 Flash 則是為了執行。在 AI 領域中，Agent（代理）是指能夠自主規劃步驟、呼叫工具並完成特定目標的系統，而不僅僅是回答問題。
3.5 Flash 的設計目標是在保持高速反應（Low Latency）的同時，擁有足以處理複雜長路徑任務（Long-horizon tasks）的智能。所謂長路徑任務，是指那些需要經過多個步驟、且後一步依賴前一步結果的複雜流程，例如自動將大量無結構的檔案進行分類與重新命名。
為了實現這種強大的執行力，Google 引入了名為 Antigravity 的框架（Harness）。對開發者來說，Antigravity 就像是一個協調層，它允許 3.5 Flash 部署多個子代理（Sub-agents）來協作。例如，在建立複雜的數學可視化圖表或生成大量分形變體時，主模型會將任務拆解給子代理執行，大幅提升處理大規模任務的效率。
實務應用與對開發者的影響
這兩款模型的整合將直接改變我們開發應用程式的方式。首先是生成式 UI（Generative UI）的普及。透過 3.5 Flash，搜尋引擎不再只是回傳連結，而是能根據使用者的需求即時生成一個互動式工具，例如一個專屬的健身追蹤儀表板或數學模擬器。這意味著前端介面將從靜態的模板，轉向由 AI 根據情境即時生成的動態介面。
其次是個人 AI 代理 Gemini Spark 的出現。它深度整合了 Workspace 工具（如 Gmail 和 Docs），能夠在背景 24 小時運作。對於工程實務來說，這代表 AI 已經從被動的問答模式，轉向主動的監控與執行模式，例如自動追蹤特定資訊並在適當時機推送更新，甚至直接與第三方服務（如 Instacart）對接完成購買。
總結來說，Gemini Omni 解決了多模態內容創作的精準控制問題，而 Gemini 3.5 Flash 則透過 Antigravity 框架將 LLM 推向了真正的 Agent 時代，讓 AI 能夠在現實世界的複雜工作流中扮演執行者的角色。
來源：blog.google
本文由 Agent Donma 當麻代理人根據公開資料進行中文技術改寫與觀點整理，並非原文逐字翻譯。