Gemini Tasks免费扩围

Google将跨网站办事Agent免费开放至六个国家,并在美国上线电话、登录与支付能力。Gemini的竞争重心,正从回答问题转向代用户完成事务。
Gemini Tasks 免费扩围:Google 把跨网站办事 Agent 推向普通用户
Google 在 11 月 17 日正式扩大 Gemini Tasks 的开放范围:这项原名 Spark、此前主要面向测试用户和高价订阅用户的 AI Agent 功能,现在开始免费提供给美国、日本、韩国、加拿大、澳大利亚和印度的数亿用户。
Gemini Tasks 是 Gemini 中用于执行多步骤现实任务的 Agent 模式。 用户只需把首页开关从“Chat”切换到“Task”,告诉 Gemini 最终目标,它就能读取邮件、检查日历、访问网站、填写页面,并在获得授权后完成预约、购物等操作。此次免费版本由新的 Gemini 4 Hydrogen 模型驱动。(blog.google)
这次更新真正值得关注的地方,并不是 Gemini 又多了一个按钮,而是 Google 第一次把“能够登录网站、拨打电话和花钱”的通用消费级 Agent,大规模放到了免费用户面前。

从聊天框到任务执行器
Chat 模式解决的是信息问题,Tasks 模式解决的是事务问题。 前者可以告诉你附近有哪些汽车维修店,后者可以同时致电多家维修店、询问是否有库存或空闲时间,再结合你的日历完成预约。
Google 在官方案例中称,一名用户只需要告诉 Gemini,自己的 2019 款 Honda Odyssey 需要保养,希望在未来一个月的某个周五早晨预约。Gemini 随后通过 Google Maps 找到附近的经销商,并行拨打两家门店的电话,在等待和询问后筛选出接受预约的一家,最终在不到 5 分钟内把合适的时间写入 Google Calendar。拨号过程中,Gemini 会向商家表明自己是 AI,商家也可以选择退出。(blog.google)
并行执行是这类 Agent 相比传统语音助手最明显的进步。 Siri 或早期 Google Assistant 通常只能完成一个确定动作,例如拨打指定号码;Gemini Tasks 接收的是一个带约束的目标,需要自己决定联系谁、问什么、如何比较结果,以及什么时候需要再次征求用户意见。
Google 还给出了一个更能体现数据整合能力的例子:用户收到一张 389 美元的异常电费账单后,授权 Gemini 通过 Google Password Manager 登录公用事业网站,并结合 Gmail 中的历史账单分析原因。Gemini 最终发现,热泵经常在下午 4 点左右启动,恰好踩中峰值电价时段。(blog.google)
这个案例说明,Tasks 并不只是浏览器自动点击工具。它需要同时处理网站登录状态、PDF 账单、邮件内容、时间序列和用户家庭信息,再把这些数据归纳成可以采取行动的结论。
打电话、登录和付款,先在美国开放
Gemini Tasks 的免费基础能力覆盖六个国家,但最敏感的执行功能目前仍以美国为起点。 美国用户将逐步获得企业电话、Google Password Manager 登录、Google Pay 购物,以及通过电子邮件和短信委派任务等能力。(blog.google)
具体来说,用户可以把学校通知、预约邮件或其他待办事项转发给 gemini@google.com。Gemini 会提取日期、参与者和地点,写入日历,并在发现时间冲突时提出处理建议。符合条件的美国手机号还可以通过 RCS 短信直接向 Gemini 派活,不必每次打开应用。
电话能力暂不覆盖印第安纳州、路易斯安那州、明尼苏达州、蒙大拿州和内布拉斯加州。短信入口则需要美国号码和受支持的移动运营商,这意味着“免费开放”并不等于全部功能在所有地区同步可用。(blog.google)
| 能力 | Gemini Chat | Gemini Tasks 免费版 | 美国高级 Tasks 能力 | Gemini in Chrome 自动浏览 | |---|---|---|---|---| | 核心定位 | 回答、生成与分析 | 持续执行多步骤任务 | 处理涉及身份和交易的现实事务 | 在浏览器标签页中操作网站 | | 跨应用调用 | 以查询信息为主 | 可连接 Workspace 与第三方应用 | 可调用电话、支付、密码和短信 | 可访问当前登录的网站与标签页 | | 网站登录 | 通常需要用户操作 | 视网站和地区而定 | 支持 Google Password Manager 授权登录 | 用户确认后可使用浏览器登录状态 | | 电话联系商家 | 不支持 | 地区受限 | 支持并行询价、查库存和预约 | 不属于主要能力 | | 完成购物 | 提供推荐和链接 | 可整理商品、加入购物车 | 可通过 Google Pay 完成购买 | 可比较商品并操作购物页面 | | 运行环境 | 对话会话 | 云端隔离任务环境 | 云端隔离环境与外部服务 | 本地 Chrome 或远程浏览器 | | 关键确认 | 普通对话确认 | 可随时接管 | 购买等关键步骤需要确认或预授权 | 执行前审阅计划,敏感步骤需接管 |
Tasks 和 Chrome 自动浏览并不是完全相同的产品。 Chrome 自动浏览依赖浏览器页面与标签页,可以直接利用用户当前的网站登录状态;Tasks 更像一个独立的个人执行入口,既可以调用远程浏览器,也可以连接 Gmail、Calendar、Maps、Shopping Graph、Google Pay 等服务,在用户离开电脑后继续工作。Google 的帮助文档也明确提示,自动浏览可能向第三方网站共享完成任务所需的姓名、联系方式、文件或偏好信息。(support.google.com)
Google 正在把购物链路完整塞进 Gemini
Agent 购物的难点从来不是找到商品,而是证明“这笔钱确实是用户授权花的”。 推荐模型可以轻松列出十款充电器,但当 AI 要选择颜色、应用优惠码、使用银行卡并点击购买时,责任归属和授权范围就会变得复杂。
Gemini Tasks 现在可以利用 Google Shopping Graph 比较商品,在用户确认规格和预算后,通过 Google Pay 完成购买。Google 展示的案例中,Gemini 在购买 USB-C 充电器时找到了一张优惠券,为用户节省了 10 美元;用户还可以预先设置硬性消费上限,系统被设计为不得突破该预算。(blog.google)
支付背后的关键基础设施是 AP2。Agent Payments Protocol,简称 AP2,是一套用于证明 AI Agent 获得用户交易授权的开放支付协议。 它把结账内容、支付授权和交易结果组织成可以验证的 Mandate 与 Receipt,让商家、支付机构和发卡网络能够判断 Agent 被允许购买什么、最多花多少钱,以及用户在交易时是否在线。
AP2 规范区分 Checkout Mandate 和 Payment Mandate:前者把商品、价格与结账内容绑定,后者证明 Agent 被授权为这笔结账付款。其设计目标不是让模型自己判断是否应该扣款,而是把最终验证交给确定性的支付系统。换句话说,大模型负责理解“帮我买一个 100 美元以内的充电器”,密码学凭证负责限制它不能顺手买成一台 1000 美元的电脑。(github.com)
Google 表示,Gemini 购物将保留银行卡原有的积分、返现和购买保障,Mastercard 与 Visa 已参与相关支付支持,American Express 计划后续加入。订单收据和物流信息会进入 Google Wallet,而 Google Wallet 也从 11 月 17 日开始扩展至 iOS。(blog.google)
这套布局的商业意义很直接:如果 Gemini 掌握了发现商品、比较价格、调用优惠、确认预算、支付和售后信息,它就不再只是搜索入口,而是交易入口。Google Search 过去依赖用户点击广告和商家链接,Agent 时代则可能由 Gemini 直接决定访问哪些商家、比较哪些商品,以及最终把订单交给谁。
免费不是福利,而是一次数据与生态扩张
Google 把 Tasks 免费开放,本质上是在为 Agent 建立使用习惯和任务数据。 高价订阅可以验证技术,但无法训练出覆盖数亿人真实生活的产品:预约维修、处理学校邮件、追加购物清单、核对保险续费,每一种任务都有不同的网站结构、权限边界和失败方式。
Tasks 此前以 Spark 名义面向少量测试者推出,之后进入美国 Google AI Ultra 订阅体系。现在免费下放到六个国家,意味着 Google 认为它已经从实验项目跨过了最初的可用性门槛,也准备承受普通用户带来的长尾任务。(techcrunch.com)
Google 宣称 Gemini 目前能够连接超过 60 个常用应用,并开放 Connected Apps Platform 供开发者申请接入。应用数量并不是决定胜负的唯一指标,但它决定了 Agent 能否形成闭环:只会读邮件的 Agent 是摘要工具;能够从邮件提取需求、查日历、联系商家、登录账户并支付的 Agent,才接近真正的事务代理。(blog.google)
Google 在个人 Agent 竞争中的最大优势不是模型跑分,而是现成的身份、数据和支付基础设施。 Gmail 保存了订单与通知,Calendar 保存了时间约束,Maps 知道地点,Chrome 保存了登录状态,Password Manager 管理凭据,Shopping Graph 提供商品信息,Google Pay 和 Wallet 则负责交易与凭证。
其他厂商可以做出同样聪明的规划模型,但如果每执行一步都要让用户重新登录、上传文件或复制信息,体验就会迅速退化成“AI 教你自己办事”。Google 要做的是把这些步骤压缩成一次目标描述和少数关键确认。
安全设计更完整,但风险没有消失
Gemini Tasks 的安全模型是隔离执行、限制权限、关键节点确认和全程可接管。 每项任务会运行在 Google Cloud Agent Compute Engine 提供的硬件隔离虚拟机中,该环境专属于对应账户,不与其他用户共享。Google 还会使用提示词注入过滤器扫描搜索结果和网页,并配合 Safe Browsing 限制 Agent 可以打开的链接。(blog.google)
用户可以在任务运行期间追加指令,也可以随时接管。对于点击购买等关键操作,Gemini 会要求即时确认或事先授权;如果指令存在歧义,系统应先追问,而不是自行猜测。对于加入常购商品这类低风险动作,用户也可以设置“始终允许”,减少反复确认。
但这些机制不能把 Agent 变成绝对可靠的自动驾驶系统。Google 自己承认,Tasks 仍可能失败、遗漏要求,或者只能在网站上完成大部分流程,最后把页面交还给用户点击最终按钮。(blog.google)
网页提示词注入仍是跨网站 Agent 最现实的攻击面。 恶意页面可以把面向模型的隐藏指令伪装成页面内容,诱导 Agent 忽略用户目标、泄露上下文或跳转到危险网站。隔离虚拟机可以降低设备被入侵的风险,却不能自动保证模型正确理解网页中的每一句话。
隐私边界同样值得警惕。Tasks 越好用,就越需要访问邮件、日历、位置、历史订单、支付方式和已保存密码;而 Agent 与第三方网站交互时,必须分享完成任务所需的部分信息。用户获得的是更少的点击,同时也把更多跨服务的数据判断权交给了 Google。
Gemini Tasks 还不是“数字员工”
现阶段的 Gemini Tasks 更准确的定位是受监督的执行器,而不是完全自主的数字员工。 它已经能够理解目标、规划步骤和调用工具,但在登录、支付、医疗、保险等高风险环节,仍然需要明确授权和人工确认。
这不算缺点。对于消费级 Agent,可靠完成 80% 的烦琐流程,并在最后 20% 的关键节点把控制权还给用户,可能比追求完全自治更有价值。用户真正讨厌的通常不是最后一次确认,而是在五个网站间搜索、等待电话、复制订单号和反复填写表格。
Tasks 当前最大的限制反而来自开放互联网本身。许多网站长期把自动化访问视为恶意机器人,依赖验证码、设备指纹和反自动化系统进行拦截。Google 也承认,个人 Agent 需要网站、身份系统和安全厂商重新定义什么是经过用户授权的合法机器人。
AP2 等协议解决的是支付授权,Password Manager 解决的是登录凭据,Agent Compute Engine 解决的是运行隔离,但网页兼容性、任务成功率和错误赔付仍需要真实使用来检验。一个 Agent 偶尔把餐厅订错时间只是麻烦;如果它买错机票、取消错误订单或向不该联系的人发送信息,代价就会迅速上升。
Google 正在争夺下一个操作入口
Gemini Tasks 的免费扩围标志着 AI 产品的主战场开始从模型对话转向真实执行。 当所有主流模型都能写邮件、总结文档和回答问题时,用户很难仅凭生成质量建立长期忠诚;但一旦 Agent 连接了日历、支付、密码和常用服务,更换助手的成本会明显提高。
Google 选择免费开放,也是在抢占这个入口。Chatbot 时代的核心指标是对话次数,Agent 时代更重要的指标可能是完成任务数量、节省时间、交易金额和需要人工接管的比例。谁能稳定完成更多现实任务,谁就更可能成为用户默认的数字助理。
短期来看,Gemini Tasks 最有价值的场景不会是宏大的“替代人类工作”,而是处理那些步骤明确、耗时但不值得用户亲自盯着的任务:联系多家门店询价、整理学校通知、检查重复订阅、比较账单、预约服务和准备购物车。
长期来看,这次更新暴露了 Google 更大的野心:把 Gemini 从搜索和办公软件上方的 AI 功能层,变成连接身份、浏览器、通信、商业和支付的统一操作层。免费只是扩张的开始,真正决定 Tasks 能否成为日常入口的,仍是它能否在数亿次普通而混乱的真实任务中,做到少犯错、可追责,并且让用户始终知道它正在替自己做什么。
参考来源
- Google Agentic Commerce AP2:Google 发起的 Agent Payments Protocol 开源规范,包含支付授权、Mandate、Receipt 与 Agent 交易角色定义。



