谷歌宣布 Gemini 在 Chrome 浏览器中将不再需要会员费用，并开始向美国 Mac 和 Windows 用户推出。这是 AI 代理浏览器大战中的重要一步。

Chrome 中的 Gemini 能做什么？

新功能让 Gemini 深度嵌入 Chrome 浏览器：

  • 屏幕理解：回答关于屏幕上内容的问题
  • 多标签操作：跨多个标签比较产品、总结多来源信息
  • 历史回忆：从浏览器历史记录中回忆之前访问的页面
  • Google 服务集成：在 Gmail 中发送消息、创建产品比较表格、重新混合在线图像

Chrome 产品管理总监 Charmaine D’Silva 解释：「假设你在看团队建设活动，一天结束时——如果你想第二天继续，通常人们会保持这些标签页打开。但现在你可以关闭这些标签页，第二天早上说，『嘿，能给我看我昨天看的那些团队建设活动吗？』我们会自动显示。」

即将推出的代理功能

与 OpenAI 的 ChatGPT Agent 类似，谷歌也计划在未来几个月引入让 Chrome 中的 Gemini 能够代表用户执行「繁琐任务」的能力：

  • 根据邮件中的购物清单进行杂货购物
  • 重新安排配送
  • 预约理发
  • 预订餐厅

对于任何被视为「高风险」或「不可逆」的操作，系统都会设置检查点。谷歌尚未提供具体的发布日期。

移动端更新

在移动端，Gemini 已经集成到 Android 中，但用户现在可以分享整个页面的上下文，而不仅仅是当前屏幕上的内容，这样可以问「更深入的问题」。iPhone 用户将很快能够通过 Chrome 应用访问 Gemini。

AI 代理浏览器大战

浏览器中 AI 代理功能的改进已经持续了一段时间：

  • Anthropic：去年推出 Computer Use，允许 Claude 作为 AI 代理使用浏览器并代表用户完成任务
  • OpenAI：推出 Operator，设计用于做同样的事情，后来将 Deep research 和 Operator 合并为 ChatGPT Agent
  • Perplexity：推出了自己的 AI 驱动浏览器 Comet
  • Atlassian：以 6.1 亿美元收购了 AI 浏览器公司 Arc 的制造商 Dia

语言和地区扩展

谷歌还宣布 Gemini in Chrome 现在支持 50 多种语言，包括西班牙语、法语、印地语和中文。用户现在可以在加拿大、新西兰和印度访问 Chrome 内置的 Gemini AI 助手。