Google I/O 2025记录
早上起来，看到Google发布了一大堆新的内容，不由得感慨Google的强大，未来绝对是Gemini的(It’s Gemini Season1.)。虽然近些天使用ChatGPT解答日常的频率远高于其余的AI。
Google I/O 25 Keynote Youtube视频开头的动画都是Veo生成的。via: https://youtu.be/o8NiE3XMPrM
一大堆AI爱好者的X推文中都感慨Google的更新内容太多，有些跟不上节奏了。信息多且杂，这个时候不梳理，会错过一些重大更新。
via: https://x.com/testingcatalog/status/1924899785355510239
本篇文章力求在充当Google一手发布信息源转发器的同时，尽可能多地加入自己的思考。
先给出一些较好的Google I/O 2025的总结链接:
NotebookLM有关Google I/O 2025的总结: https://notebooklm.google.com/notebook/953b658a-579b-4b3c-b280-43b3781babf3
Tibor Blaho对于Google I/O 2025的总结推文: https://x.com/btibor91/status/1924938391478468754
Chubby对于Google I/O 2025的总结推文: https://x.com/kimmonismus/status/1924895087332405554
X上有关2025年Google I/O大会的热门评论链接: https://x.com/i/events/1922336973353598976
Gemini App
本部分内容大多源自完整版的官方更新博文2，以及官方的Gemini App Updates页面。
本部分介绍Ultra独有的功能或模型并没有第一时间发布，而是即将面向Ultra订阅者发布，因此Ultra订阅现阶段性价比极低。
1、强调: 英文体验>中文体验
首先还得强调的点: Gemini App中文体验是不如ChatGPT或者是国产豆包的。
英文提问，给出的回复有理有据，也带有参考信息引用。
中文提问，给出的回复除了不带参考信息引用外，有时给人的感觉也是差强人意的。最近在L站看到很多有关Gemini降智的帖子，这其实是一种误解，Google家大业大巴不得抢走所有的ChatGPT用户，不会搞小动作降智的，所谓的“降智”，其实是Gemini App对于中文用户体验支持力度不够所致。
要想获得较好的Gemini App用户体验，中文提问得到的回复不给力时，建议用英文重新提问。英文不好的，可搭配上“沉浸式翻译”浏览器扩展，三个空格连击，一键将母语输入转为英文；设置对应快捷键，一键将模型回复翻译回母语。
2、新的定价计划
Gemini Advanced/Google One AI Premium更名为Google AI Pro。
除去一些速率、上下文长度，Pro用户比免费用户多了Flow【一款AI影片制作工具，之后会提及】、Chrome中的Gemini【类似于Edge中的Copilot，之后会提及】。
Ultra用户比Pro用户多了Gemini 2.5 Pro Deep Think模型、Veo3模型、Project Mariner【浏览器Agent】、YouTube Premium individual plan、更大的存储空间。
Ultra套餐，前三个月每月125刀，后续每月250刀。初看有点心动，但冷静下来后，还是没有冲动消费。毕竟推理模型思考再多，很多时候只是刷榜成绩好看，日常使用场景下，经典的LLM就已经足够了。推理模型较好的使用场景: 逻辑推理、数学、代码。
去年年底关注过Project Mariner相关的新闻，今天再次听到该名字，有些陌生，浏览器Agent原型感觉还是个玩具。
至于Youtube会员，应该没多少人会开美区Youtube会员，一般都是开低价区，拉美区账号进家庭组。
30TB的存储空间对于普通人压根用不上，我的一些文件及照片全放在Google处，已经积累了有2、3年了，都没超过200GB。
Ultra订阅适合土豪党或者是极致的Gemini AI爱好者、Google死忠粉，对于我这种学生党看看就好，白嫖上Pro套餐就已经满足了。
via:
https://blog.google/products/google-one/google-ai-ultra/
3、Agent Mode
这功能看起来挺不错，仅限Ultra订阅。可以参见Google CEO-Sundar Pichai的这条推文: https://x.com/sundarpichai/status/1924909900033122466
4、Gemini 2.5 Pro Deep Think、Gemini 2.5 Flash
Gemini 2.5 Pro Deep Think仅限Ultra订阅，测评数据很好看。2.5 Pro DeepThink在API方面仅开放给了一小部分可信赖的测试人员使用。
Gemini 2.5 Flash的性价比进一步提升。
5、Thought Summaries
思维链摘要力求进一步提升模型输出的可解释性。
6、Veo3、Imagen4
Veo3的特色在于文生视频带声音，有点意思，应该是世界上首款文生视频带声音的模型。仅美国的Ultra订阅可体验。
Imagen4对于全体Gemini用户开放，下方展示了用Imagen4生成了一张浣熊举牌图。貌似文生图方面，GPT-4o的原生文生图，以及近期豆包的Seedream 3.0较为牛逼。
而Grok在低审查方面遥遥领先，这一点是绝无仅有的。前几天让豆包生成擦边图，豆包针对敏感的中文提示，直接拒绝生成，让Grok将提示翻译为毛子的俄语后【ChatGPT在面对擦边提示翻译请求时，拒绝翻译】，破了豆包的防护栏，有些时候不由得感慨不能忽视Grok，低审查是它最大的卖点，估计近些天Grok 3.5也要出来了，希望给大伙一个惊喜！
https://x.com/GeminiApp/status/1924893675529900467
https://x.com/GeminiApp/status/1924973242768642433
7、Deep Research创建应用/Cavas更新
Gemini Deep Research后，可以进行创建应用，除了预设的应用操作: 创建网页(Web page)、信息图(Infographic)、互动测验(Quiz)、Audio Overview(播客)外，也可以进行自定义应用的创建。不建议自定义应用创建，自定义创建的应用或多或少存在Bug。
面对密密麻麻的文字，有些时候会让人没有耐心看下去，这个功能直接解决了Deep Research类产品可视化效果不足的问题。
via: https://x.com/GeminiApp/status/1924892563695456675
8、基于图像和文件的Deep Research
基于图像的Deep Research，我想到的应用场景: 黄片番号Deep Research【没有实操过，找番号困难的好兄弟可以尝试一下，应该效果会很不错😁】；根据图片猜地址。
下图展示让Gemini根据我上次给ChatGPT o3的同款图片，猜测拍摄地址，效果差点意思，ChatGPT的o3根据图片猜测地址更牛逼，其实前一阵子也让豆包根据该图猜测地址，豆包的深度思考感觉有些跳跃，但是一次性就猜对了地点，猜国内拍摄图片的地址还得是国产的AI更胜一筹，毕竟巨头们掌握了一大堆国人的数据。
字节跳动的豆包在我心目中已经是国产AI Top1的存在了，豆包没有提供一键删除对话数据的选项，注定了所有用户的数据都将为豆包的登顶筑基。几乎所有的AI服务提供商都一样，表面上不侵犯用户隐私，不使用用户数据训练模型，背地里将数据与账号脱钩后，悄咪咪地用来改进产品，这样的操作太司空见惯了。
下图展示了用Gemini的Deep Research来研究DeepSeek的最新论文，基于文件的Deep Research应该还有很多实用的应用场景。
via: https://x.com/GeminiApp/status/1924892309583458706
9、其余
- Gemini Live在Andriod、IOS上免费提供。
相信很多人都已经是Google AI Pro用户了，没有薅羊毛的朋友，可考虑搞一个美国教育邮箱【不再局限于美国，巴西、印尼、日本、英国的教育邮箱都有资格】，在今年6月30日之前，去把这个羊毛薅了(https://gemini.google/students/)。
via:
https://x.com/GeminiApp/status/1924891940598014359
https://x.com/NewsFromGoogle/status/1924887278008307728
Gemini API
本部分内容大多源自官方博文3。
1、gemini-2.5-flash-preview-05-20
改进版的Gemini 2.5 Flash模型，提升了性能。
2、Gemini 2.5 Flash和Gemini 2.5 Pro将于2025年6月初全面上市(GA, Generally Available)
Google模型固有的发布节奏，Experimental—Preview—GA。
https://x.com/OfficialLoganK/status/1924878626312618323
3、Gemma 3n E4B
以移动端为核心的开源模型，利好开源。普通用户有更好的闭源模型选择。
via:
https://developers.googleblog.com/en/introducing-gemma-3n/
https://huggingface.co/collections/google/gemma-3n-preview-682ca41097a31e5ac804d57b
https://ai.google.dev/gemma/docs/gemma-3n
https://news.ycombinator.com/item?id=44044199
4、原生音频输出和Live API的改进
相关博文中的介绍地址: https://blog.google/technology/google-deepmind/google-gemini-updates-io-2025/#new-capabilities
Stream部分新增了gemini-2.5-flash-preview-native-audio-dialog和 gemini-2.5-flash-exp-native-audio-thinking-dialog模型。两个模型均属于Gemini 2.5 Flash Native Audio(原生音频)。早期功能包括Proactive audio【主动音频】等。
对话助手类应用可以考虑接入，中文效果也是很ok的。
Generate Media部分—>Gemini Speech Generation，新增文本转语音模型— gemini-2.5-flash-preview-tts和 gemini-2.5-pro-preview-tts，可根据脚本来生成对应的语音。
AI Mode
仅限英文。Kicking Off(启动)、Looking At(浏览)的流程来回答用户的提问，有点意思，之前的AI Mode应该没有这两个提示。
AI Mode针对政治人物的搜索，只提供链接，不提供生成。
I/O大会上展示的AI Mode新功能包括Deep Search等，将在未来几周和几个月内陆续面向 AI Mode实验室用户推出。
https://blog.google/products/search/google-search-ai-mode-update/
Gemini Diffusion
Google的文本扩散模型，获得资格的网友评价: 速度快得惊人，首个商用落地的扩散模型LLM是Mercury。
相关的Waitlist: https://docs.google.com/forms/u/0/d/e/1FAIpQLSdsxa-YU25JIPJGmu-pySJEYeTy6lwbdZAzxlZ11x3GPj6DhA/formResponse
via:
https://blog.google/technology/google-deepmind/gemini-diffusion/
https://x.com/GoogleDeepMind/status/1924888095448825893
https://news.ycombinator.com/item?id=44044080
https://deepmind.google/models/gemini-diffusion/
Flow
一款AI影片制作工具，详情见ChatGPT o3对于Flow的介绍。
瞎玩并生成了一只在太空中的美国小猫队长。
via:
https://labs.google/fx/tools/flow/
SynthID Detector
用于快速高效地识别AI生成内容是否包含SynthID水印的项目。具体可见ChatGPT o3对于该项目的介绍。
Gemini App里面生成的内容去年就已经开始加水印了(via: https://deepmind.google/discover/blog/watermarking-ai-generated-text-and-video-with-synthid/)，所以用Gemini辅助写作的小伙伴记得用其余的LLM进行改写，虽然目前国内的AIGC检测机制没有加入SynthID，但不排除未来会加入，如果未来加入了该功能，可以先用SynthID Detector自查😁。
相关Waitlist: https://docs.google.com/forms/d/e/1FAIpQLSfAYrauHmY-PpUNxL4Fs6coa185CtKWp7TnEXL0tKbAezo4MQ/viewform
via:
https://blog.google/technology/ai/google-synthid-ai-content-detector/
Stitch
AI原型工具，实现设计—开发一站式流程。我不是设计师，设计师朋友可以多关注一波这个产品。
里面有Standard Mode【Gemini 2.5 Flash驱动】和Experimental Mode【Gemini 2.5 Pro驱动】。
Stitch生成的赞美Trump的页面。
记得在设置中关闭Stitch对话数据训练，虽然Google应该也不会严格遵守。
Google Chrome Gemini
呈现形式类似Edge中的Copilot，总结网页是一个不错的选项，虽然是狗皮膏药。
https://x.com/Google/status/1924892719739973640
Project Astra
这玩意去年年底我就加入了Waitlist，目前还没轮到我体验，真扫兴。Google的Youtube频道里面有关Project Astra的Demo视频观看量很高，足以说明Project Astra是一个令人期待的项目。
看了Project Astra最新的Demo视频—辅助帅哥组装自行车、辅助女孩化学学习后，我也想要一个这样子的通用AI助理。
via: https://deepmind.google/models/project-astra/
Try it on
Google Shopping推出的虚拟试衣功能。上传全身照，即可进行虚拟试衣。
去小红书上随便趴了一张美女全身照进行实验😂，效果很不错。
原图:
虚拟试衣图:
https://blog.google/products/shopping/how-to-use-google-shopping-try-it-on/
Andriod XR
这方面我不熟，可以参见ChatGPT o3对于Andriod XR的介绍。
https://blog.google/products/android/android-xr/
https://blog.google/products/android/android-xr-gemini-glasses-headsets/
Google Meet实时翻译
初期支持英语和西班牙语。具体可见相关的Demo视频。
网页评论，Google刚刚结束了我的翻译生涯，这个功能未来可期。
其余
当然还有一些没介绍，如Lyria 2【Google的音乐生成模型】、Google Beam【视频会议相关的内容】。
至于Jules【Google的AI代码Agent】，这个我昨天已经体验过了，使用下来的感觉一般，还是得好好学编程，AI辅助学习加快学习进度，整天Vibe Coding，到头来离开了AI啥也不是。
其余一些链接:
https://workspace.google.com/blog/product-announcements/new-ways-to-do-your-best-work
https://blog.google/technology/developers/google-ai-developer-updates-io-2025/
https://blog.google/technology/ai/generative-media-models-io-2025/
总结
Google I/O 2025第一天的发布差不多就是这些。Day2通常不会再出现重大发布，这一周注定是不平凡的，是否会有o3-Pro、Grok 3.5、Claude 4敬请期待，其中Anthropic会在北京时间2025年5月23日凌晨有一个event活动。
Google推出Ultra套餐彰显了其步OpenAI的老路，高定价意味着破坏AI平权化，但好在Google前面已经铺垫了让用户白嫖Gemini 15个月会员，高定价我就不批判过多了。
我日常使用频率最高的AI应用已经转为了ChatGPT，虽然Gemini、Claude等，我也没抛弃，但总体而言，ChatGPT给我的感觉各方面最棒。从前面的文字中，你也看到了对于一个新的知识点，我基本上都会用ChatGPT o3模型进行调研，这种Agent LLM实在是太方便了，用户体验极佳，除非得到的答复不满意，一般情况下，我都懒得打开搜索引擎检索相关信息了。
可以说ChatGPT这种Agent LLM对于Perplexity类AI套壳搜索应用的打击是很大的，我相信未来Google打造出的类似o3的Agent LLM可能直接会宣判Perplexity类产品的死刑。Perplexity的应用护城河是啥？啥也不是，模型是外包的，网页数据也是外包的，到最后绝对会被这些巨头给吞噬。
附一些今天看到的有趣内容:
文档信息
- 版权声明：自由转载-非商用-非衍生-保持署名（创意共享4.0许可证）
