Gemini Tasks免费开放,AI智能体接管手机与桌面

谷歌本周把 Gemini 从“回答问题”推向“替你办事”。11 月 17 日,Gemini Tasks 免费向美国、日本、韩国、加拿大、澳大利亚、印度六国数亿用户开放,底层换成 Gemini 4 Hydrogen;11 月 19 日,Gemini 又获得了操作 Mac 桌面应用的能力。两天后,加密通讯应用 Signal 宣布默认阻止系统级 AI 智能体读取聊天界面——AI 智能体接管终端的第一场冲突,落在权限而不是能力上。

Gemini Tasks:把“跑腿”做成默认功能

按谷歌公布的信息,用户在 Gemini 应用里把主界面的开关从 Chat 拨到 Task,就能把一整件事交出去:约保养、查账单、加购物车、订日程,过程中不需要反复确认。

官方举的例子是约车:让 Gemini 约周五早上的保养,它会同时拨打两家最近的门店,听完等待音乐、拿到空档、写进日历,全程不到五分钟。另一个例子是分析一张 389 美元的电费单,找出热泵在电价高峰时段运行。

Tasks 接入邮箱、日历、支付方式等 60 多款应用。美国用户先行获得更完整的能力:通过 Agent Payments Protocol(AP2)用卡结账,合作方包括万事达与 Visa,美国运通即将上线;用户可预设消费上限,收据进入 Google Wallet。

谷歌强调每个账号的任务跑在硬件隔离的虚拟机里,关键步骤会停下等确认,打电话时会先声明自己是 AI,商家也可以退出这类来电。谷歌同时承认,部分网站的任务只能做到一半,最后一步仍需人来点。

桌面与工具:代理正在补齐“手”和“工具箱”

同一天,谷歌把 Computer Use 带到 macOS 版 Gemini:代理可以在后台窗口里打开本地应用、填写表单、整理文件、抓取网页信息,用户自己的屏幕和光标不被占用。

该功能目前仅限美国、英文,且需要 AI Plus、Pro 或 Ultra 订阅;多家媒体报道还要求 Apple Silicon 机型与较新的 macOS。用户可指定允许访问的应用,随时暂停,并在关键动作前批准。TechCrunch 指出,OpenAI、Anthropic 与 Meta 早已在桌面端提供类似能力,谷歌属于补齐而非领先。

另一块拼图在开发者侧。11 月 19 日谷歌宣布 Gemini API 的 Tool Retrieval 进入预览:开发者加上 tool_search 工具、对需要延迟的工具设置 defer_loading,模型平时只看到工具名称和描述,需要时在同一次请求内加载完整参数。远程 MCP 服务器也支持同样的开关。

谷歌给出的理由是,把几百个工具的 schema 全塞进每次请求,会推高输入 Token、拉长时延并降低选择准确率。Anthropic 在 2025 年 11 月推出过类似能力,OpenAI 在 2026 年 3 月跟进,三家在“工具按需加载”上完成对齐。

反作用力:每个“被操作方”都在筑墙

11 月 20 日,Signal 总裁 Meredith Whittaker 在官方博客宣布,新版 iOS 与 Android 应用默认阻止系统级 AI 智能体抓取聊天内容。iOS 27 上新增的“Block Siri AI”默认开启;Android 上检测到 AI 助手试图读屏时,会自动打开“屏幕安全”。

Signal 点名的对象是谷歌的 Gemini Intelligence 与苹果 Siri 的 Onscreen Awareness。博客称这类系统级能力会扫描屏幕、把加密聊天的内容带进代理的本地数据库或远端服务器,从而让应用自身的隐私承诺失效。去年,Signal 已用同样手段阻止 Windows 11 上的微软 Recall。

限制并不彻底。Signal 承认截图封锁挡不住文件系统等其他路径,macOS 上更无法实现,只能建议用户把 Signal 加入系统设置里的排除应用;它同时点名 Meta 的 Muse 借助辅助功能权限读取消息,把这种授权比作“万能钥匙”。

筑墙的也不只是通讯应用。亚马逊已封禁 Muse 一类购物代理,沃尔玛则通过 AI Gateway 邀请第三方代理接入;美联航禁止未授权 AI 机器人交易;Target、家得宝、Etsy、eBay 以及摩根大通、嘉信、花旗、富国等机构都设了各自的门槛,Cloudflare、Akamai、DataDome 则把机器人检测做成了生意。

影响与展望

把这几条放在一起看,竞争的重心已经从“模型多聪明”移到“代理能碰到什么”。Gemini 的优势不在参数,而在邮箱、日历、支付、地图这些权限本来就握在谷歌手里;Tasks 免费开放六国,本质是用分发量把“把事交出去”变成默认习惯。

但代理每前进一步,就会遇到一个拥有否决权的角色:操作系统、通讯应用、电商平台、航空公司、银行。它们不训练模型,却决定代理能否点下最后那一次“确认”。

对国内厂商,这套路径同样成立。豆包、通义等已在推进端侧与 GUI 代理,真正的门槛不是识别按钮,而是拿到系统级权限、支付授权与商家配合。谁能把“可撤销的授权”和“出错可回滚”做成产品能力,谁才可能把代理从演示推进到日常。

短期内更现实的变量是可靠性与成本。Tasks 靠隔离虚拟机跑任务,单次执行的基础设施开销远高于一次对话;Tool Retrieval 之所以被三家先后采用,正是为了压住工具数量膨胀带来的 Token 成本。代理经济的单位成本能否降到可规模化,仍待观察。

从“对话框”到“桌面”,AI 智能体用一周时间完成了产品层面的跨越;而 Signal 的封屏与电商、银行的门槛提醒,跨越之后是一整套需要重新谈判的权限秩序。能力已不是瓶颈,共识才是。

信息来源:TechCrunch、The Verge、Signal 官方博客、Google 官方博客、Engadget、Reuters

我还没有学会写个人说明!
上一篇

英伟达被谷歌反超降至美股市值第四,市值缩水至3.4万亿

下一篇

英伟达暴跌14% Anthropic跌8.5%:AI双杀

你也可能喜欢

评论已经被关闭。

插入图片
微信 微信
微信
返回顶部

微信扫一扫

微信扫一扫