谷歌上线Gemini Windows桌面应用，支持快捷键一键唤醒AI助手

在便捷性方面，该桌面应用引入了全局快捷键支持。用户在任意工作界面中，只需通过“Alt+Space”快捷键即可快速唤起Gemini助手，直接在当前页面获取即时帮助，省去了频繁切换窗口的繁琐步骤。

在功能特性上，该应用具备强大的多步骤任务处理能力。它不仅可以深度联动Gmail、Google Drive等核心办公应用中的信息来自动生成内容，还支持通过Nano Banana生成图片，以及利用Gemini Omni生成视频，满足多元化的内容创作与生产需求。

谷歌官方表示，随着此次桌面向公众推出，未来还将陆续上线更多原生桌面功能，持续拓展AI在个人电脑端的应用边界。

本期AI日报：OpenAI上线GPT-Live-1 API，支持打断与工具调用；DeepSeek V4.1-Flash登陆WorkBuddy免费试用；谷歌推出Gemini Windows应用；蚂蚁集团称智能体商业“ChatGPT时刻”已至；环球音乐联手ElevenLabs共建正版AI音乐平台；SpaceX AI直播用Grok Bot三天建公司；商汤“小浣熊”移动端上线；支付宝升级AI钱包与三大“AI收”能力。

豆包输入法Windows版V0.9.0发布，适配Win10/11，实现Windows、macOS、iOS、Android、鸿蒙全平台覆盖。语音优先，长按右Alt唤起，支持多方言、中英混输、术语识别，弱网无网可用。键盘输入基于大模型语义联想、长句补全、随打随纠；支持云同步词库、跨设备粘贴；无广告，内存占用合理，可自定义设置。

天猫上线AI空间站整合阿里云等；谷歌Gemini 3.8 Flash发布但复杂任务不稳；百度基础模型部引北美专家升级文心；谷歌推Google Pics对标Canva；豆包上线多Agents与Mac操控；月之暗面递表港交所估值冲500亿美元；腾讯公益版WorkBuddy发布；Anthropic新模型Fable5.1编码强且最高降本45%。

Agora与谷歌Gemini合作发布Gemini3.5Transcribe与Agora Conversational AI集成方案，融合实时语音转写与RTC对话能力，助企业打造自然、可规模化语音智能体。此前与OpenAI推Realtime API。开发者可在Agents SDK灵活组合模型，后续支持智能转写优化CRM等场景，推动对话式AI实时可靠落地。

今日，豆包宣布工作任务模式继续上新，全新豆包虚拟桌面”已正式登陆Windows版，进一步提升豆包直接操作电脑的能力。 用户在豆包电脑端选择工作任务模式和本地电脑，再从技能栏中选择操作电脑”，完成授权后，豆包就可以在虚拟桌面中像人一样查看屏幕、移动鼠标、点击按钮、敲击键盘，继续帮用户处理电脑端的复杂任务。 据介绍，豆包虚拟桌面基于GUI能力运行，即

谷歌发布了 Gemini Omni1.1Flash 视频生成模型，将 AI 生成视频的能力进一步推向实用化。新模型最高可输出4K 分辨率的视频片段，并在生成控制上提供了更精细的手段，包括指定首尾帧、对已有场景进行扩展等，让创作者能够更精确地导演画面内容。 首尾帧指定功能的意义不容小觑。过去许多视频生成模型只能从单一提示词"凭空"生成，结果往往难以预测;而允许用户锁定�

本期AI日报：字节跳动发布办公智能体“豆包工作”整合飞书；ChatGPT上线自定义贴纸；千问APP接入阿里云Token Plan；Grok Build可调用本地浏览器；Harvey基于Kimi K3推法律模型Tenet，估值110亿美元；2025年约77%生物医学论文现AI代笔特征；ARIA封杀纯AI歌曲下周生效；谷歌测试Gemini新界面。

AI热点：腾讯开源770B混元Hy4 preview；谷歌Gemini Omni 1.1 Flash支持4K视频生成；Midjourney V8.2上线图像编辑；蚂蚁与中金推金融大模型；阿里Qoder升级为智能体工作台；谷歌搜索AI模式拓展机票酒店；小鹏二代VLA升级4D时空理解，安全能力增20倍；Anthropic发布MHS硬件标准进军物理AI。

Agora与Gemini达成合作，发布Gemini 3.5 Transcribe与Agora Conversational AI集成方案，融合实时语音转写与RTC对话能力，打造自然、实时、可落地的语音智能体。开发者可在SDK中灵活组合大模型与语音合成，未来将支持智能转写自动整理口语停顿、重复及数字日期格式，服务CRM等场景，推动对话AI迈向自然实时可靠交互。