今日,我三個 Gemini tab 收埋成一個 prompt

我日常工作流入面,Gemini 有三個獨立 surface。Pro 跑會議錄音逐字稿。3 Pro Preview 處理 Adaptig 德語 keynote 材料的英德翻譯。Nano Banana Pro 通過 deck-design skill 生成 slide 圖同 case study illustration。三個 model ID,三條 API call,三套「現在應該叫邊個」的判斷邏輯。

今早 I/O 2026,Google ship 咗 Gemini Omni。它的提案是:不再分開三個工具。一個 model,一個 prompt,multimodal 輸入輸出 —— 將 Veo 嘅 video、Nano Banana 嘅圖,加上 Genie 嘅 world-simulation 工作,整合到一個 surface 之內,並且在多輪對話之間維持人物、物理規則同先前修改的一致性。

我未在 production 跑過 Omni。Omni Flash 今日只 roll 到 Google AI Plus / Pro / Ultra 訂閱者,通過 Gemini app 同 Google Flow 開放;YouTube Shorts 集成本週上線,API access 大概還要幾週。所以這是一個 directional read,不是 battle-tested 結論。但這個 directional read 在 day one 已經夠重要,值得記低,因為「整合」這個論述終於落地了。

如果 Omni 按照 Google demo 那樣交付,我工作流會出現的具體變化:

我的 deck-design skill 現在 call gemini-3-pro-image-preview 來生成品牌化的 slide 圖像。這個組合 work 得幾好 —— Nano Banana Pro 是少數能穩定 hold 住 Adaptig 酒紅加 Helvetica 的圖像 model。如果 Omni 將同一條 call 升級為一個統一 surface,並且能夠處理短篇 workshop intro video 並維持跨 cut 角色一致性,那麼我的 video 模型評估 backlog —— Kling 3 對 MiniMax Hailuo 對 Veo 3.1 —— 會少一個 column。不是因為 Kling 或 Hailuo 變差,而是因為「保持在同一個 vendor 的內部邏輯」這個 property,變得比我之前定價得更高。

對話式編輯這個 claim,在我親眼看著它在真實 client brief 上撐得住之前,我會繼續持疑。「改 background,角色保持,重做 lighting,鏡頭向右推」這種 demo,在 keynote 舞台從來都 work;但去到實際 brief 是「讓角色看起來像我們品牌大使 8%,但又不要太像」的時候,通常崩潰。多輪一致性是過去 18 個月我測過的每一個 multimodal model 共同失敗的地方。如果 Omni 真係 hold 得住,那就是真正的 unlock 點。

Gemini 3 Deep Think 今日同步 upgrade。無工具下 Humanity's Last Exam 拿到 48.4%,ARC-AGI-2 拿到 84.6%,2025 IMO 同 IPhO 達到金牌水平。這些數字對研究實驗室的意義比對我的培訓教室大。但它們在一個具體場景對我的 pitch 是有用的:當企業 L&D buyer 問「AI 真的還在變聰明,定還是去到瓶頸」的時候,我今日比昨日多一個 sharper 的答案。「瓶頸論」的聲量比現實大,而 Deep Think 在一個專門測試前沿推理極限的 benchmark 上拿到這種分數,正是我可以在 workshop 開場引用的 receipt。

不過,整合(consolidation)這個 thesis 才是更值得 watch 的。如果 Omni 兌現承諾,下一季教企業 AI adoption 的正確方式,就不再是「五個工作五個工具」,而是「一個 prompt surface,以下幾種 compose 方式」。這是另一種 workshop。也是一種更多 client 能在半日吸收的 workshop。

我會在用 Omni 跑過真實 brief 之後再回報。下一批 Adaptig case study illustration 大概係最適合的 pilot —— 同樣的 prompt set、同樣的品牌約束,看睇邊個會 survive。

Day one read。未係完成的 pattern。只係 toolbox 變細嘅一日。

在 LinkedIn 上聯絡我。