Gemini 上线 Mac 版 Computer Use:在隔离后台窗口干活,主屏和光标不占用
谷歌 2026-11-19 为 Gemini Mac 应用上线 Computer Use:在隔离后台窗口里跨本地文件、桌面应用与网页完成多步任务,主屏与光标不受影响,先向美国英语 Plus/Pro/Ultra 开放。
2026-11-21 · Google 官方博客(2026-11-19,一手实取) / Gemini 帮助中心要求条款
发布 2026-11-21核实 2026-11-21要点
- 2026-11-19,谷歌为 Gemini Mac 应用上线 Computer Use:用户在聊天里描述目标,Gemini 负责点击、输入、走菜单、填表单,跨本地文件、桌面应用与网页完成多步任务。
- 运行形态是本轮最大的差异点:在隔离的后台窗口里执行,聊天内提供实时预览,主屏与光标完全不被占用,用户可同时继续手头工作。
- 用户侧四道闸:选择可访问的应用、实时观看每一步、随时暂停、关键动作事前批准。
- 门槛写死在脚注:Apple Silicon Mac + macOS Sequoia 15.0 及以上,18 岁以上个人 Google 账号,Google AI Plus / Pro / Ultra 三档订阅。
- 首发范围:美国、英语;下载入口
gemini.google/mac。 - 官方用例四个:批量调色 / 搭 3D 场景、从本地 PDF 提取数据填运费报价、抓多地区仪表盘指标做 Slides、整理本地衣物照片并准备转售上架。
- 官方没有给任何成功率、耗时、步数上限或计费口径——这类能力最关键的可靠性指标一个都没披露。
关键不是「能点鼠标」,是「不抢你的鼠标」
Computer Use 这类能力过去一年的主要阻力不在模型聪不聪明,而在它一旦开始操作 GUI,就等于占用了这台机器:光标被抢、屏幕被切、你没法同时干别的。所以它长期停留在演示视频和评测榜(OSWorld 一类)里,很难进入日常。
Gemini 这版把执行搬进隔离的后台窗口:任务在那里跑,你在聊天里看直播,主屏继续归你。这个改动的价值可以用一句话概括——它把 computer use 从「接管」降级成「代劳」,从需要你让出电脑,变成你可以在旁边继续打字。
对照表(基于两家公开描述,非官方对比):
| 维度 | Gemini Mac 版 Computer Use | 常见的「接管式」computer use |
|---|---|---|
| 执行位置 | 隔离后台窗口 | 前台真实桌面 |
| 屏幕 / 光标 | 不占用,可并行做别的事 | 被占用,期间难以并行 |
| 观察方式 | 聊天内实时预览 | 直接看屏幕 |
| 人工干预 | 事前批准关键动作 + 随时暂停 | 通常靠中断键 |
| 主要风险 | 后台误操作不易被「看见」(需靠预览) | 抢焦点、误触、打断正在进行的操作 |
四道闸,和四类用例
官方把安全设计压缩成四句可验证的话,这四句也恰好是一份不错的验收清单:
- 你选它能碰哪些应用 —— 权限按应用粒度给,不是整机放行。
- 每一步都能实时看 —— 直播式预览是事后审计的替代品,重点是「当场能停」。
- 随时能暂停 —— 长任务里这比「能不能撤销」更实用。
- 关键动作事前批准 —— 提交表单、付款、发消息这类不可逆动作留在人手里。
四个官方用例的共同形状值得注意:动作多、每步都不难、纯粹费人工。批量调色、从 PDF 抄数据填报价、跨仪表盘抓数做 PPT、整理照片上架——全是「点几十次但每次都不需要判断」的活。这划出了当前的产品边界:它卖的是省点击,不是替你做决策。
对开发者的影响:桌面 Agent 的形态之争开始了
把这条放到本周的行业上下文里看,信号很清楚:
- 同一天(11-19),The Information 报道英伟达接近以至少 5 亿美元收购做扩散语言模型的 Inception(该消息未经双方确认,本站未单独成文,仅作背景记录);
- 11-20 有媒体报道 Apple 也在组建自己的设备控制 Agent 团队,同时把第三方 Agent 接管 Mac 的授权流程从 4 步加到 14 步(同样来自媒体转述,非官方公告);
- OpenAI 这条线已经把 computer use 打进医疗后台等场景。
也就是说,「AI 替你操作电脑」正在从能力演示变成产品形态竞争,而竞争焦点从「能不能做到」转向三个工程问题:隔离怎么做、权限怎么给、人怎么随时接管。Gemini 这版给出了一个明确答案——后台窗口 + 应用级权限 + 直播预览。这个组合很可能会成为同类产品的默认形状。
对做企业内部工具的团队,这里有一条可以立刻用的判断:如果你的场景是「把数据从 A 界面搬到 B 界面」,后台窗口式 computer use 的性价比已经高于写 RPA;如果场景需要精细判断(比如对账异常要不要挂起),仍然应该走 API + 人工复核,别把判断交给点击。
AI 之家 观点
这是 computer use 第一次被包成「不打扰你」的产品,而不是「替你接管电脑」的演示。 差别看着小,对采用率的影响很大:多数人拒绝 AI 操作自己电脑,不是因为不信任模型能力,而是因为不想把机器交出去几分钟。后台窗口把这道心理门槛拆了。
但官方一个可靠性数字都没给,这是必须点出来的缺口。点击类任务的失败模式是「看起来做完了」——表单填了、文件存了、截图抓了,只有到下游才发现拿错了列。所以真正决定这东西能不能进工作流的,不是那四个用例有多漂亮,而是失败时它会不会自己发现、会不会停下来问。这一点官方没答,本站也不会替它猜。
给读者的操作建议只有一条:先拿一个「错了也能一眼看出来」的活试(比如批量导出并重命名文件),别一上来就让它填运费报价或提交表单。
相关阅读
- 百科:Computer Use · Agent 沙箱 · 原生多模态
- 工具:Gemini CLI · Claude Desktop · OpenAI Dots
- 模型:Gemini 4 Neon
- 相关资讯:Gemini API 上线工具检索 · OpenAI 医疗 Computer Use · Holo4 开源权重 computer use
来源
- Let Gemini tackle repetitive chores on your Mac — Google 官方博客(2026-11-19)
- Gemini Mac 应用下载页(官方入口,功能可用性以账号所在地区为准)
- Google's Gemini can now run Mac apps — The Decoder(2026-11-20,二手汇总,用于交叉核对)
常见问题
它跟 OpenAI 的 computer use 有什么不同?
最实质的差别是运行形态:Gemini 这一版跑在隔离的后台窗口里,聊天里给出实时预览,主屏和光标完全不被占用,你可以同时继续打字或开会。OpenAI 那一线更偏向「接管一个可交互的桌面」。这不是谁强谁弱,而是两种产品假设:一个当「后台工人」,一个当「替你操作电脑的人」。官方文章没有提到任何竞品,这一条是本文基于两者公开描述的对比。
为什么强调 Apple Silicon 和 macOS 15?
这是官方脚注里的硬要求:需要 Apple Silicon 的 Mac、macOS Sequoia 15.0 及以上、面向 18 岁以上的个人 Google 账号,且只有 Google AI Plus / Pro / Ultra 订阅可用。也就是说 Intel Mac 与免费档都还不在范围内。
它在后台点鼠标,会不会动到我正在做的事?
官方说法是不占用主屏与光标,操作在隔离后台窗口内完成。但「隔离」不等于「无副作用」——它操作的仍是你的本地文件与真实应用账号,所以官方同时给了四道人工闸:选可访问的应用、可实时看每一步、随时暂停、关键动作事前批准。
能举几个官方给的用例吗?
四个:批量给照片调色或搭复杂 3D 场景;从本地 PDF 里提取重量、尺寸、地址去填多箱运费报价;从多个地区的实时仪表盘抓指标和截图,做成 Google Slides 演示文稿;分析本地文件夹里的衣物照片、查价、记录信息,在转售平台准备好上架。共同点是「动作多、每步都不难、纯人工点几十次」。
中文区什么时候能用?
官方只写了「先在美国以英语推出」,没有给其他语言与地区的排期。以谷歌过往的节奏,这类功能的区域扩散通常以季度计,短期内不要按「下个月就能用」排工作流。