谷歌釋出 Gemini 3.5:前沿智慧模型正式具備"行動能力"

從"智慧對話"到"智慧執行":Gemini 3.5 的核心突破

谷歌在最新 I/O 大會上扔出王炸——Gemini 3.5 系列模型。官方直接喊出"frontier intelligence with action"（前沿智慧+行動力）的口號，這可不是簡單迭代，而是明牌梭哈 AI Agent 賽道。

簡單說，Gemini 3.5 不再滿足於當個"嘴強王者"，而是要當"實幹家"。它不僅保留了頂尖的推理能力，還強化了與外部工具、API 和作業系統的互動能力。這意味著它不再是隻能嗶嗶的聊天機器人，而是能調用搜索引擎、操作檔案系統、觸發第三方服務，甚至能自主決策下一步動作的智慧代理。

技術細節:多模態+工具呼叫的深度整合

雖然官方還沒放出完整技術文件，但從 I/O 大會的演示來看，Gemini 3.5 在以下三個維度直接起飛：

• 原生多模態理解：文本、影像、影片、音訊統統拿下，響應延遲進一步降低，即時互動穩如老狗
• 結構化輸出與函式呼叫：模型直接輸出 JSON Schema 格式資料，精準匹配工具函式，開發者再也不用為 Prompt 工程頭禿
• 長上下文與任務記憶：上下文視窗大幅提升（具體數值還沒公佈），多步驟任務全程不掉鏈子

這些能力組合起來，Gemini 3.5 能搞定複雜的業務流程自動化，比如"根據使用者需求自動搜尋航班、比價、預訂、發確認郵件"這種一條龍服務。

對中國 AI 從業者的啟示:Agent 賽道進入深水區

谷歌這波操作給國內 AI 圈扔了三顆重磅炸彈：

首先，模型能力的競爭維度徹底變了。過去一年國內大廠還在卷引數量、跑分和對話體驗，Gemini 3.5 直接把門檻拉到了"能不能呼叫工具、完成任務閉環"這個高度。已經在佈局 Agent 框架的公司（比如位元組的 Coze、阿里的通義千問 Agent）算是搶到了先手。

其次，開發者生態的重要性直線上升。Gemini 3.5 的行動力依賴豐富的工具庫和 API 接入，谷歌在 Google Workspace、Android 生態的整合優勢明顯。國內廠商得好好琢磨怎麼在微信、釘釘、飛書等本土生態中搞出類似能力。

最後，合規與安全風險必須重視。當模型具備實際執行能力後，一個錯誤的函式呼叫就可能引發資料洩露、資金損失等嚴重後果。國內使用者在使用類似能力時，一定要把許可權管理、操作審計和異常攔截機制搞到位。

需要注意的是，Gemini 3.5 目前主要通過 Google Cloud 和 AI Studio 提供 API 訪問，國內開發者可能需要通過海外伺服器或第三方代理接入。但其技術思路和產品形態，對正在開發 AI Agent 產品的國內團隊極具參考價值：下一代大模型的核心競爭力，不在於"聊得多好"，而在於"能幹什麼"。

常見問題

國內使用者能直接用 Gemini 3.5 嗎?

目前 Gemini 3.5 主要通過 Google Cloud 和 AI Studio 提供 API,國內直接訪問可能受限,需要海外伺服器或企業級跨境網路。個人使用者可關注後續是否有國內雲廠商代理接入。

Gemini 3.5 的 action 能力和 GPT-4 的 function calling 有什麼區別?

核心機制類似,但 Gemini 3.5 強調與谷歌生態(搜尋、地圖、Workspace)的深度整合,且多模態輸入對工具呼叫的支援更原生。GPT-4 則依賴 OpenAI 的外掛生態和 API 市場。

國內大模型在 Agent 能力上處於什麼水平?

位元組 Coze、阿里通義、百度文心都已支援工具呼叫和多步驟任務,但在系統級整合和生態豐富度上與 Gemini 3.5 仍有差距。國內優勢在於本土應用場景的深度定製,如微信、電商、政務流程的自動化。

---

本文基於 Google AI Blog 報道, 由 AiDuo123 AI 編輯翻譯改寫。原文連結: https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-3-5/