Google 于 2026 年 10 月 29 日给 Gemini 应用加了文件能力:在对话里就能生成、预览并编辑文档、PDF、演示文稿、电子表格与代码,可以全屏展开后直接改,也可以选中一段文字让 Gemini 修改。PDF 的预览与编辑在网页版和移动端都支持,Docs、Sheets、幻灯片、Markdown、TXT 与代码等其余格式只在网页版可用。官方称该能力已向所有用户、在 Gemini 应用可用的所有语言开放。
Gemini 应用内可直接生成与编辑文件:PDF 网页与手机都能改,其余格式仅网页版
这次发布的是什么
Google 在 2026 年 10 月 29 日宣布,Gemini 应用里现在可以直接生成、预览与编辑文件。官方给出的清单包括文档、PDF、演示文稿、电子表格与代码,另外还有 Markdown 与 TXT 这类纯文本格式。按官方说法,这些能力已向所有用户开放,覆盖 Gemini 应用可用的所有语言。
关键的一点在交互方式上:文件不再是「对话里给你一段可以复制的文本」,而是变成对话里可预览的对象。你可以把预览展开到全屏直接手动改,也可以选中某一段让 Gemini 改,或者就选中的内容继续追问。
可用性与限制
- 当前状态:已上线,官方称向所有用户、所有 Gemini 应用可用语言开放。
- 端侧差异:PDF 的预览与编辑在网页版与移动端都支持;Google Docs、Google Sheets、幻灯片、Markdown、TXT 与代码等其余格式只在网页版支持。
- 地区:Gemini 应用在中国大陆不可用,可用地区与账号条件以官方为准。
- 套餐差异:公告没有区分免费与付费档,是否按套餐限制次数或单文件大小,以官网为准。
- 文件大小与页数上限:公告未披露,以官网为准。
- 与云端原件的关系:公告只说明在 Gemini 应用内生成与编辑文件,能否直接写回 Google Drive 里的原有文件,公告未作说明。
主要功能
- 在对话内直接生成文档、PDF、演示文稿、表格与代码
- 生成结果可预览,也可全屏展开后手动编辑
- 选中一段文本即可让 Gemini 就这一段提问或改写
- 把上传的素材(例如手写笔记)转成结构化的成品文件
- PDF 在网页版与移动端都能预览与编辑
- 其余格式在网页版内完成编辑,不需要跳出对话
技术原理
官方这次只讲了交互层与格式清单,没有披露底层用的是哪个模型、文件在客户端还是服务端渲染、编辑是作用在结构化中间格式还是最终产物上,这些都不能替官方补。
能从公告里确认的边界有三条。其一,同一份产出既有「生成」也有「编辑」,说明文件在对话内是有状态的中间对象,而不是一次性导出。其二,PDF 与其余格式的可用端不同,PDF 两端都能预览与编辑,Docs、Sheets、幻灯片、Markdown、TXT 与代码只有网页版,这意味着不同格式走的是不同的渲染链路,移动端只接了 PDF 这一条。其三,编辑粒度被描述为「选中文本再改」,这是局部改写,不是版式重排。
把这三条放在一起看,这类功能的定位是「文件作为对话产物」:先生成,再在同一个上下文里迭代。它解决的是「把想法变成一份能发出去的文件」,而不是替代桌面排版软件。
实际体验
按官方演示给出的路径,最顺的用法是「上传素材、产出成品、局部返工」这一串动作。演示里是把手写课程笔记上传,先让 Gemini 生成一份 PDF 学习指南,再手动改,然后选中某一段让 Gemini 重写,最后继续追问。
几个能提前预期的落差值得说清。移动端能改的只有 PDF,如果你习惯在手机上做表格或演示文稿,这次更新帮不上;要改表格与幻灯片必须回网页版。反过来,如果目标就是「在手机上产出一份能直接发出去的文件」,PDF 是当前在手机上能闭环的格式。
编辑体验本身要按「改一段」而不是「改版式」来预期。选中文字让模型改写,适合措辞、语气、结构这类内容层面的调整;需要精确控制页边距、字号、分栏时,仍然要落到本地排版工具或原有办公套件里。
项目地址与获取方式
Gemini 应用网页版为 gemini.google.com,移动端通过 Google Play 与 App Store 的 Gemini 应用更新。功能说明见 Google 官方博客公告。请通过官方应用商店与官方域名获取,第三方打包的客户端存在账号风险;套餐与地区限制以官网为准。
适合谁用
- 学生与研究者:把讲义、笔记、扫描件转成结构化的学习材料或提纲。
- 办公场景:会议记录转成文档、表格或演示初稿,先出一版再人工收。
- 内容与运营:一份素材产出多种成品形态,减少在工具之间搬运。
- 移动办公为主的人:只有 PDF 在手机上能闭环,先确认目标格式再决定用不用。
- 不必用:需要印刷级排版与精确版式的设计工作;无法使用 Gemini 应用的用户。
常见问题
手机能用哪些格式?
按官方说明,PDF 的预览与编辑在网页版和移动端都支持;Google Docs、Google Sheets、幻灯片、Markdown、TXT 与代码等其余格式只在网页版支持。移动端想完成闭环,PDF 是当前的选择。
能直接改 Google Drive 里的原文件吗?
公告没有这样说。官方描述的是在 Gemini 应用内生成、预览与编辑文件,格式清单里包含 Google Docs 与 Google Sheets,但未说明是否写回云端原件。是否支持写回,以实际界面与官网说明为准。
需要付费吗?
公告没有区分免费与付费档,只写了向所有用户开放。是否按套餐限制使用次数、单文件大小或导出格式,公告未披露,以官网为准。
编辑能做到什么程度?
官方描述的编辑动作有三类:全屏展开后手动修改、选中文本让 Gemini 改写、以及就选中的内容继续追问。这三类都是内容层面的局部调整,公告未提及版式级编辑能力。
支持中文吗?
官方称已向所有用户、在 Gemini 应用可用的所有语言开放,中文包含在内。具体到某一种格式的可用性是否与语言相关,公告未作区分。
相关工具与内容
相关内容
Mistral 开放 Mistral Large 4 权重:1 万亿参数 MoE,同日进 Transformers 与 vLLM
Mistral AI 于 2026 年 10 月 29 日放出 Mistral Large 4(代号 le Chonk)的开放权重,仓库为 Hugging Face 上的 mistralai/Mistral-Large-4-1T-A52B。模型总参数约 1 万亿、每 token 激活 490 亿(含嵌入与输出层为 520 亿),支持 100 万 token 上下文与图像输入,采用调整过的 MIT 许可(模型即服务需另签商业许可)。同一天推理框架侧跟上:vLLM 给出 day-0 支持与专用镜像,Transformers v5.22.0 也加入支持。
AWS 把 Step Functions 工作流变成智能体工具:经 AgentCore Gateway 以 MCP 接入
AWS 于 2026 年 10 月 29 日宣布,既有的 Step Functions 工作流可以直接作为 AI 智能体的工具使用,接入路径是 Amazon Bedrock AgentCore Gateway。智能体自己决定何时调用、传什么输入,Step Functions 按原有定义逐步执行,Standard 与 Express 两类工作流都支持。该能力在所有提供 AgentCore Gateway 的区域可用,Step Functions 与网关各按标准费率计费。
OpenAI 更新 Model Spec:改成五条核心价值,删掉大部分文风规定
OpenAI 于 2026 年 10 月 29 日发布更新版 Model Spec(模型行为规范),把整份文档按五条核心价值重组:忠于人类意图、最小化伤害、诚实与透明、助益人类自主性、关怀。新增「忠于人类意图」章节与「仔细考虑上下文」子节,更新了指令冲突时的指挥链,扩充了副作用控制,同时删掉大部分详细文风规定,并把全文对模型的称呼从「the assistant」改为「GPT」。新版挂在带日期的版本页上。
继续阅读:AWS 把 Step Functions 工作流变成智能体工具:经 AgentCore Gateway 以 MCP 接入 · OpenAI 更新 Model Spec:改成五条核心价值,删掉大部分文风规定