大多数用户习惯通过浏览器访问Google的搜索与AI产品,但如今你有了新的选择。Google此前已对Windows搜索应用进行了数月测试,目前该应用已正式上线。与此同时,Google还专门为Apple用户打造了一款原生Gemini应用,功能与网页版保持一致,两款应用均于今日正式面向所有用户开放。
Windows版Google应用的诞生历程
Windows版"Google桌面应用"于去年9月以测试版形式首次亮相,初期体验较为粗糙,甚至无法直接更新早期版本,用户只能通过卸载后重新安装新版本来升级。此次正式版发布解决了上述问题,并为Windows PC带来了丰富的搜索功能。
使用时,用户可随时按下Alt + Space快捷键唤起Google应用。简洁的搜索界面会悬浮于当前窗口之上,方便用户在不中断工作的情况下快速搜索网页,并在授权后搜索本地文件和应用程序。搜索结果的呈现方式与浏览器端基本一致,同样支持AI概览和AI模式。
此外,Google桌面应用还支持屏幕内容识别功能。用户可通过内置的Lens按钮框选屏幕上的任意区域,即时发起网络搜索。也可以将当前窗口或整个屏幕内容作为搜索上下文共享给应用,实现更智能的搜索体验。
该应用要求设备运行Windows 10或Windows 11系统,目前仅支持英文。用户无需登录账号即可使用,但未登录状态下部分功能将受限,与未登录时使用网页版Google的体验类似。现可通过Google专属下载页面获取该应用。
Mac端首款Gemini独立应用正式登场
目前macOS上尚无Google搜索应用,但Google已在AI方向率先发力,推出了全新Gemini应用,这也是该公司首款面向桌面端的Gemini独立应用。Google产品负责人Josh Woodward表示,此前已陆续收到大量用户希望推出原生Mac应用的反馈,为此公司组建了一支精干团队专项开发。整个开发周期不到100天,便实现了超过100项功能,CEO Sundar Pichai透露,该应用完全基于Google Antigravity平台构建。
唤起方式与Windows版类似——在Mac上随时按下Option + Space即可调出Gemini提示栏。用户不仅可以像使用网页版一样提问,还能调用当前窗口内容作为上下文,进一步增强AI的理解与响应能力。
整个Mac版Gemini应用采用Swift语言编写,内置了几乎与网页版同等丰富的功能与模型类型。用户可在桌面端直接上传文件、创建笔记本,并使用Deep Research(深度研究)、Canvas等工具。同时还支持图像、视频和音乐生成模型,且后续功能仍在持续扩充中。
值得注意的是,Google选择了一种可能让部分用户感到不便的分发方式——该应用目前并未上架Mac App Store,用户需要从Google官网下载DMG文件进行手动安装。不过该应用已面向所有支持Gemini的地区和语言版本开放。
Q&A
Q1:Google桌面应用支持哪些Windows系统版本?
A:Google桌面应用目前支持Windows 10和Windows 11系统,并且仅提供英文版本。用户无需登录即可使用基本功能,但登录后可获得更完整的搜索体验,包括AI概览和AI模式等高级功能。
Q2:Mac版Gemini应用有哪些主要功能?
A:Mac版Gemini应用采用Swift语言开发,功能与网页版基本保持一致,支持文件上传、创建笔记本,以及使用Deep Research、Canvas等工具。此外还集成了图像、视频和音乐生成模型,用户可通过Option + Space随时唤起应用,并支持调取当前窗口内容作为AI问答上下文。
Q3:Mac版Gemini应用在哪里可以下载?
A:Mac版Gemini应用目前未上架Apple App Store,用户需要前往Google官网下载DMG安装文件进行手动安装。该应用已在所有支持Gemini的地区和语言版本中开放,但分发方式可能对部分用户造成不便。
好文章,需要你的鼓励
海外博主做了一次 Siri AI、ChatGPT、Claude 横评。看完之后我最大的感受是,AI 助手的竞争已经不只是模型能力,而是谁离用户更近。
TREK方法通过引入外部验证解法对AI进行短期校准,解决了GRPO训练在困难题目上因无法探索正确解法区域而陷入瓶颈的问题,在数学推理和智能体任务上均取得明显提升。
Uber年度失物报告首次纳入无人驾驶出租车数据。过去一年,乘客在Uber平台的机器人出租车中遗留了数千件物品,包括手机、钥匙、钱包等常见物品,以及假牙、15磅溜溜球等奇特物件。乘客可通过App联系客服找回失物,支付15美元即可享受同城配送,或前往车辆停放站自取。Uber表示,将依托现有运营体系为自动驾驶业务提供全面支持,计划2025年底前在全球15座城市开通无人驾驶打车服务。
SkillOpt-Lite通过将智能体技能优化形式化为零阶优化问题,提出极简流水线:把执行轨迹存为文本文件,让AI直接用文件系统工具翻日志、找规律、改技能,配合独立验证门控,比复杂的多智能体优化框架跑得更快效果更好,并自然延伸至执行框架自动优化(HarnessOpt),使轻量模型能够超越大模型。