你可以继续用 Mac 写东西,Gemini 则在另一个窗口里替你点鼠标。TechCrunch 11 月 19 日报道,Google 给 macOS 版 Gemini 推出 Computer use,让它在独立后台窗口点击、输入、滚动,在本地文件、Mac 原生应用和网页之间接着干活。聊天里的实时预览可以放大,用户也能暂停或终止任务。光标空出来了,人能不能也走开,得看它犯错后有多难收拾。

能跑 Gemini,不等于能开 Computer use

Google 举的例子很实在:填表、批量处理文件、按条件归档,或者拿本地素材和线上看板做幻灯片。官方演示涉及 Blender、Adobe Lightroom、Google Slides 和浏览器,但没有完整兼容清单。演示能跑通,不代表你手里的软件和流程也行。

能运行客户端,不代表满足所有开通条件(示意图)
能运行客户端,不代表满足所有开通条件(示意图)

首发只面向美国英语用户,其他市场和平台没有时间表。设备须搭载 Apple silicon,运行 macOS Sequoia 15.0 或更新版本;Mac 客户端还要求 8 GB 内存、200 MB 可用安装空间和稳定网络。账户须为年满 18 岁用户的个人 Google 账号,工作和学校账号不支持。

订阅档位还有个口径差。TechCrunch、Google 发布博客和帮助中心都把 Plus、Pro、Ultra 列在内,另一张 Gemini 桌面产品页却只写 Pro 和 Ultra。这不能证明 Plus 被排除,也不能保证所有符合首发条件的 Plus 账号都已开通。只为这项功能付费,先核对账号里有没有入口。

Google 来晚了,得看跟谁比

Google 同一周扩大了 Gemini Tasks 的开放范围,能协助登录网站、购物和预约。Computer use 多出来的是直接操作现有软件。它走图形界面,不必等每个应用做专门接口,代价是界面一改版、登录一过期或突然弹个窗,原本能跑通的步骤就可能卡住。

要比较跨 Mac 原生应用和网页的任务,Claude Cowork 更合适。它也能通过屏幕操作桌面应用,但 Claude Desktop 得开着,电脑得保持唤醒,能否开通还要看账号和平台。OpenAI 已把 Operator 并入 ChatGPT agent,相关网页任务跑在云端浏览器里。Meta 则提供 Computer Use API 和能驱动 Mac 应用的示例框架,代理还得开发者自己搭。按通用代理能力,Google 确实来得晚;按开箱就能操作 Mac 原生应用,把这几家都算成同类,会选错工具。

后台窗口只让出了光标

启用时,Gemini 需要 macOS 的辅助功能权限,以及屏幕与系统音频录制权限。用户可以用应用白名单逐个放行或阻止应用;Google 则说,系统会在敏感操作前请求确认。两道关口管的事不同,一个管能进哪个应用,一个管某个动作要不要人点头。哪些动作会触发确认,公告没给出完整边界。

两道关口决定 Gemini 能看见什么(示意图)
两道关口决定 Gemini 能看见什么(示意图)
三道授权关口 系统权限允许观看与操作 应用白名单限制可访问应用 敏感操作确认特定动作须批准

分开窗口,不等于隔离文件、登录会话和数据。Google 帮助中心提醒,获准应用里的屏幕内容可能误导 Gemini,屏上可见的多因素认证验证码也可能被它看到。停止任务也只会拦住后续动作;已经挪走的文件,能不能查清、能不能恢复,不能指望实时预览。工作账号没开放,也挡不住员工拿个人账号处理工作资料。对企业而言,管理员能否管、事后能否审计,比员工能否点开入口更要紧。

省不省工,要把返工算进去

我会拿同一批非敏感测试资料做对照。先把文件副本按规则归档,再从测试网页看板取数,配上本地素材做幻灯片。人工做一遍,Gemini 和 Claude Cowork 各做一遍,每轮用相同的初始状态。只做网页的那部分,可以另拿 ChatGPT agent 比。

计时从授权和交代任务开始,到结果验收为止。对着同一份清单核目录、页数和数字,记下确认次数、人工接管次数和实际占用的时间。另开一轮,在测试副本发生更改后中途停止,看看能否找全改动,再把恢复时间记进去。只比谁先交出一份幻灯片,等于把核数和返工都算给了用户。

省时要算整趟 交代与授权开始计时 后台执行记录接管 验收结果核对差错 出错恢复计入返工

归档副本、拼一份幻灯片初稿,错了容易发现,也容易重来,值得先交出去。涉及正式提交、敏感资料或覆盖原件,我会让人掌握最后一步。Google 已经把光标还给了用户。能不能连注意力也还回来,要看你离开预览窗口以后,回来接手的是一份能验收的成果,还是一串说不清的改动。