# 击败 ChatGPT 登顶 App Store！Google 这套 AI 全家桶，个个都是王炸 \| 附使用指南 - 作者：张子豪 - 发布时间：2025-09-15 14:58 - 分类：公司 - 原文：https://www.ifanr.com/1637703 ![](https://s3.ifanr.com/wp-content/uploads/2025/09/APPSO_covers-17.png) 还以为 ChatGPT 会一直稳坐第一？这周却来了个反转。 Google Gemini 凭借最近爆火的 Nano Banana 图像编辑，**一举登顶 App Store 免费榜**，把 ChatGPT 挤到第二。 ![](https://s3.ifanr.com/wp-content/uploads/2025/09/20250915141818_1796_68.png) ▲ Gemini 位于 App Store 免费榜所有类别第一，图片来源：；15/09/2025 这意味着，Google 终于迎来了属于自己的「爆款 AI 时刻」。 而且，Gemini 只是冰山一角。Google 手里还有一整套 AI 工具，从写作、画图，到学习笔记、视频生成，应有尽有。今天就带你开箱 Google 的「AI 全家桶」。 省流版： 1. **Gemini，定位和 ChatGPT 一样的通用助手**：包含了 nano banana（近期热门生图模型）、Canvas 画布、Veo3 视频生成、Storybook 故事板、以及 Deep Research 等功能，目前提供 Gemini 2.5 Pro 和 Flash 两个模型。体验地址：[gemini.google.com](https://gemini.google.com) 2. **NotebookLM，能深入研究的知识库**：最多可上传 300 个文件，能将文档总结为音频、视频、思维导图等六种类型，是学习和研究的最佳利器。体验地址：[notebooklm.google](https://notebooklm.google) 3. **Flow，高质量的视频生成**：支持竖屏 9:16、1080p 高清，价格更低，免费用户每月送 100 积分。体验地址：[flow.google](https://flow.google) 4. **AI Mode，搜索也有了推理和思考能力**：在 Google 搜索输入框就能直接开启，获取比 AI Summary/Overview（总结）更严谨和翔实的结果；目前支持英文等五种语言（但目前不包含中文）。体验地址：[google.com/ai](https://google.com/ai) 5. **Gemini CLI：一个万能的本地助手**：不只是开发工具，还能下视频、转 GIF、压缩文件。体验地址：[github.com/google-gemini/gemini-cli](https://github.com/google-gemini/gemini-cli) 6. **AI Studio 和 Labs Google**：其他有意思的小工具，生成一段音乐，简单学习一门新的语言，体验最新、最全的 Google 大语言模型……体验地址：[ai.dev](https://ai.dev) 和 [labs.google](https://labs.google) ## Gemini：不只会聊天，更是全能工作台 近期爆火的 nano banana，最主要的官方渠道除了网页版，就是 Gemini App。 ![](https://s3.ifanr.com/wp-content/uploads/2025/09/2025-09-11-09.03.27.png) ▲ Gemini 首页，有常驻提醒推广 nano banana 图像编辑模型 但如果你只拿 Gemini 来 P 图，那就太浪费了。它和 ChatGPT 一样，补齐了跨对话的「记忆」功能，并能与 Google 生态无缝衔接。 ![](https://s3.ifanr.com/wp-content/uploads/2025/09/PixPin_2025-09-11_11-58-27.png) ▲ Gemini 的「记忆」功能 对我而言，这个关键更新，加上教育邮箱赠送的 Pro 会员，足以让我将大部分日常对话转移过来。 Google 最近更新了 Gemini 免费和付费用户具体的使用限制。免费用户使用 Gemini 2.5 Pro 和 Deep Research 的次数有限，但是 nano banana 的单价非常便宜，所以免费用户也有慷慨的 100 张生成机会。 ![](https://s3.ifanr.com/wp-content/uploads/2025/09/2025-09-09-16.25.03.png) ▲ 图片来源： Gemini 2.5 Pro 最大的优点是，每个回答都会有像 DeepSeek 一样清晰的推理过程，但是速度要快上不少。这在 ChatGPT 更新到 GPT-5 之后，采用全新的路由控制，自动选择模型，优势更为明显。 因为 ChatGPT 有时候判断不了，我到底希望他使用什么模型来回复；而我的表达，也不是每一次都能清晰地，让模型知道我的意图。 ![](https://s3.ifanr.com/wp-content/uploads/2025/09/2025-09-11-09.58.17.png) 不过，更会聊天的代价是更不会干活，和 LMArena 显示的排行榜一样，文本能力第一，但是网页的开发能力不及 GPT 和 Claude。好在这些天，Google 也是狂给 Gemini 打补丁，在软件交互上，用户体验越来越好。 [![](https://s3.ifanr.com/wp-content/uploads/2025/09/img_68c78dbaec10b.png)](https://s3.ifanr.com/wp-content/uploads/2025/09/img_68c78dbaec10b.png) ▲Gemini 和 ChatGPT 完成同一个开发任务，你喜欢哪个 例如，在网页开发方面，Gemini Canvas 现已支持直接点选应用中的某个元素，用自然语言即可进行修改。 Canvas 画布和 ChatGPT 的画布预览是一样的功能，都是非常直观地，把我们的创意，变成应用程序、游戏、信息图表等内容。 ![](https://s3.ifanr.com/wp-content/uploads/2025/09/tweet-1965475292526551105.png) ▲ Gemini 画布新增功能，选择并询问。现在只需点击元素并描述所需更改，即可直观地编辑您的网页应用的任何部分。图片来源： 其次，Gemini 终于支持上传音频文件。这意味着，会议录音、采访视频等包含丰富上下文的材料，可以直接交给 Gemini 处理，省去了手动整理和编写复杂提示词的麻烦。 [![](https://s3.ifanr.com/wp-content/uploads/2025/09/img_68c78e25d47a9.png)](https://s3.ifanr.com/wp-content/uploads/2025/09/img_68c78e25d47a9.png) ▲ ChatGPT 一直回复无法使用工具 最新消息，根据 flowith 创始人 Derek Nee 和 Gemini 3 工程师团队的交流，他发 X 透露，Gemini 3.0 Flash 的能力将会超过 2.5 Pro。 ![](https://s3.ifanr.com/wp-content/uploads/2025/09/tweet-1965811795559653506.png) ▲ 图片来源： 和 ChatGPT 使用的条件类似，Gemini 对谷歌账号的归属地可能有额外的限制。 🔗 体验地址：[gemini.google.com](https://gemini.google.com) ## NotebookLM：你的最佳个人知识库 收藏了一堆英文长文、书摘，结果总是「下次再看」？NotebookLM 就是专门拯救这些吃灰资料的。 你只要把几篇文章、报告甚至书摘丢进去，它就能： - 自动帮你提炼要点，生成一份条理清晰的学习笔记； - 如果你喜欢可视化，还能直接画成思维导图，让你一眼看懂文章框架； - 想进一步学习？它还能基于这些资料出小测验，逼你复习巩固。 举个例子，我之前用它来整理过论文，NotebookLM 最多支持上传 300 个文件，支持的文件类型也很丰富，PDF、txt、Markdown、和音视频文件，它都能识别。 ![](https://s3.ifanr.com/wp-content/uploads/2025/09/PixPin_2025-09-11_11-09-00.png) ▲ 我将 297 篇同一研究领域的论文上传，NotebookLM 能完全基于这些文件，生成多种形式的内容总结。 [![](https://s3.ifanr.com/wp-content/uploads/2025/09/img_68c78eb1429a6.png)](https://s3.ifanr.com/wp-content/uploads/2025/09/img_68c78eb1429a6.png) ▲ 文字报告、播客预览、视频介绍、思维导图、闪卡和小测验六种形式 播客和文字报告，是 NotebookLM 里面最早提供的选项，现在它们也得到了优化。 文字报告可以选择，直接生成为博客、说明文档、指南等类型，甚至 NotebookLM 会根据知识库里面的资料，提供动态建议；例如，上传论文可能会建议创建白皮书，而新闻类文章可能会生成解释性内容；自定义的提示现在也被允许。 [![](https://s3.ifanr.com/wp-content/uploads/2025/09/img_68c78efb51c1d.png)](https://s3.ifanr.com/wp-content/uploads/2025/09/img_68c78efb51c1d.png) ▲ NotebookLM 生成的博客文章 而音频播客现在更是支持 80 多种语言，播客类型也从概述到深入，进一步扩展到辩论和批判性思考等多种类型。 新增的视频、Quiz 测验和 Flashcard 闪卡，是我非常喜欢的功能，无论是帮助我消化这些知识，还是做进一步的内容传播，NotebookLM 都非常有用。 但论文的研究终究是比较小众的场景，我们只是借着论文来介绍 NotebookLM 的功能。对于学生和研究者来说，这绝对是 Google AI 里最值得安利的工具之一。 在更普遍的应用场景中，它能胜任任何类型的知识库构建。像是 NotebookLM 官方给出的使用案例，上传了多家公司一季度的财报，我们可以透过思维导图，一次性清晰的了解财报的具体内容。 ![](https://s3.ifanr.com/wp-content/uploads/2025/09/PixPin_2025-09-11_12-40-16.png) 还有 NotebookLM 与 OpenStax（免费教科书提供平台） 合作，将它们受欢迎的内容，转化成交互式笔记本，包括生物学、化学、心理学、以及管理学等主题笔记本。 在这个心理学知识库中，每一章节都配有小测验和记忆卡片，帮助我们巩固所学知识点。 [![](https://s3.ifanr.com/wp-content/uploads/2025/09/img_68c78f6383217.png)](https://s3.ifanr.com/wp-content/uploads/2025/09/img_68c78f6383217.png) ▲ 语言是可以选择中文，知识库链接： 小测验和闪卡的主题、难度都是可自定义的。而且，无论是闪卡还是测验，只需点击解释，就能深入探索当前的话题；NotebookLM 会生成详细的概述，帮助我们理解闪卡定义，或解释为什么答错某道题，并附有引用指向原始资料。 🔗 体验地址：[notebooklm.google](https://notebooklm.google) ## Flow 电影级 AI 视频生成 AI 视频热度虽高，但能用它做什么？始终是许多人心中的疑问。我们介绍过多个 AI 视频生成模型，不少读者也曾留言：这种 AI 视频，究竟是给谁看的？ ![](https://s3.ifanr.com/wp-content/uploads/2025/09/2025-09-11-14.11.27.png) ▲ 在 Gemini 里面，直接使用 Veo 3 视频生成，Veo 3 目前仅支持首帧，首尾帧需要 Veo 2。 Google 的更新或许给出了部分答案：支持竖屏（9:16）和 1080p 高清。这无疑是为抖音、YouTube Shorts、Reels 等短视频社交媒体平台量身定做。 ![](https://s3.ifanr.com/wp-content/uploads/2025/09/tweet-1965436154762920074.png) ▲ Veo 3 近期更新，Veo 3 Fast 从 0.4 美元每秒降价到 0.15 美元每秒，以及支持 9:16、1080p 等。图片来源： 如今 AI 视频已成为一种新的内容消费品，与其被动观看，不如亲自上手一试。 [![](https://s3.ifanr.com/wp-content/uploads/2025/09/img_68c78ff415fd2.png)](https://s3.ifanr.com/wp-content/uploads/2025/09/img_68c78ff415fd2.png) ▲ 提示词：Ultra-realistic cinematic video of Shanghai, famous landmark Tower. Shot in vertical 9:16 format, travel vlog style, smooth camera motion, dynamic lighting, vivid colors, highly detailed, immersive atmosphere, no text, no watermark. ![](https://s3.ifanr.com/wp-content/uploads/2025/09/2025-09-11-14.42.33.png) 除了 Sora、可灵、海螺这些比较热门的视频生成模型，Google 的 Veo 3 一直在大模型竞技场，文生视频类别下，名列前茅。 前些时间爆火的第一视角穿越、ASMR 切水果，金属、兔子蹦床的夜视监控等视频，都是使用 Veo 3 生成的。 [![](https://s3.ifanr.com/wp-content/uploads/2025/09/img_68c7904428ad4.png)](https://s3.ifanr.com/wp-content/uploads/2025/09/img_68c7904428ad4.png) ▲ 提示词：50mm camera, close-up angle of a lemon made out of yellow-tinted glass being sliced horizontally on a wooden cutting board. The inside of the fruit is glass as well with a little bit of melting glitter. The entire scene is soft lit from the above. 不过，提示词的优劣，是决定视频质量的关键瓶颈。例如上面这个视频，我们就是直接借鉴了 Google 的官方案例。 他们解释，好的提示词，包括三个部分，首先是「50mm 相机、特写镜头」指定了相机；接着中间一大段用来提示对象和具体的视频内容；最后一句话是进一步明确灯光和纹理。 Flow 对网络要求比较严格，一般在 Gemini 网页或者 App 内使用同样足够。 🔗 体验地址：[flow.google](https://flow.google) ## AI Mode 支持除英文外更多语言 搜索是最大的流量入口，因此 AI 浏览器成了大模型厂商的必争之地，尽管这条路并不好走。 Arc 项目宣布停止后，重启的 Dia 浏览器也在前几天，被 Atlassian 以 6.1 亿美元收购。路不好走的原因倒不是因为没有利益，而是太多巨头想要吞下这块香饽饽了。 微软在上个月宣布自己的 Edge 升级为 AI 浏览器，Copilot 无缝接入到浏览器的每个角落，预订餐厅和机票、跨越标签页的整理总结等等。OpenAI 在之前推出 ChatGPT agent 时，也被爆料要做自己的 AI 浏览器。 Google 当然也不会停下脚步，和我们平时用 Google 搜索时看到的 AI Overview 不一样，AI Mode 更像是一份深度研究报告，它会利用 Gemini 2.5 的高级推理和多模态能力，来处理我们的查询输入。 ![](https://s3.ifanr.com/wp-content/uploads/2025/09/2025-09-09-14.42.38.png) 例如当我问他 iPhone Air 的 esim 卡到底是怎么回事时，它会自动根据网页内容进行整理，给出更准确的答案。 ![](https://s3.ifanr.com/wp-content/uploads/2025/09/PixPin_2025-09-11_15-41-41.png) ▲ 点击上方 All，则可以切换回普通的 Google 搜索 不过 AI Mode 有一个缺点，是目前它还不支持中文。但前几天，Google 已经宣布支持日语、韩语、以及葡萄牙语等五种语言。他们提到构建一个全球化的 AI 搜索不仅仅是翻译，所支持的语言，应该具有本地相关性和实用性。 🔗 体验地址：[google.com/ai](https://google.com/ai) ## Gemini CLI 下载视频，转文件格式，统统交给它 Claude Code 断供完全没关系，Gemini CLI 是真的好用。 之前我们说用这种终端工具来修改文件名，其实是最「弱」的用法了。我最近 X 视频、YouTube 等视频下载；视频转 GIF 以及各种格式转换；图片压缩、视频压缩，全部交给 Gemini CLI。 ![](https://s3.ifanr.com/wp-content/uploads/2025/09/2025-09-11-15.56.39.png) Gemini CLI 的安装流程相当清晰，即便遇到环境配置问题，如今的 AI 也能提供可靠的解决方案。 前期的麻烦点主要集中在安装 Node.js 上，对 Windows 用户来说，终端使用没有 macOS 和 Linux 友好，所以是需要一点耐心的。 Node.js 安装完成之后，按照 GitHub 上指引，运行 npm/npx 命令就可以安装 Gemini CLI 了。 在终端里面输入 gemini，会提示我们进行验证，一般登录 Google 验证就可以，不需要去额外创建 Gemini API 之类的操作。免费用户每分钟有 60 次请求，每天 1000 次请求，应付日常的简单工作流是足够的。 终端里面有一些非常基础的命令，因为我们打开终端的时候，默认的文件夹是可能是整个电脑的文件，如果直接输入 gemini，它检索文件会比较麻烦。 正确的操作是，一些基础命令输入 ls：会列出当前目录下的所有文件和文件夹；cd xxx：进入某个文件夹；mkdir xxx：创建一个文件夹。 [![](https://s3.ifanr.com/wp-content/uploads/2025/09/img_68c7910524d31.png)](https://s3.ifanr.com/wp-content/uploads/2025/09/img_68c7910524d31.png) ▲ 例如第一步我们打开终端，输入 ls，可以看到当前目录下所有的文件和文件夹；接着我们选择一个文件用来处理，此次需要 Gemini 的项目文件夹。输入 cd Downloads，可以看到 % 前面有当前目录 Downloads 的名字。接下来，我们创建一个文件夹，mkdir testing，然后再进入这个目录，cd testing。当然也可以直接选择一个文件夹，鼠标右键，在终端中打开。输入 gemini，它就正式接管了我们的终端，我们接下来就能用自然语言，处理许多复杂的任务了。 [![](https://s3.ifanr.com/wp-content/uploads/2025/09/img_68c7911aa99cb.png)](https://s3.ifanr.com/wp-content/uploads/2025/09/img_68c7911aa99cb.png) ▲ 拿下载一个 X 的视频举例，首先它会搜索，找到一个 yt-dlp 的工具，可以用来下载视频；接着，它会自动检查我的电脑，是否有安装这个工具。检测到有安装之后，视频就开始下载了。 这是调用了 yt-dlp 工具，而在终端环境里面，还有非常多高效的工具，例如 FFmpeg，它是一款处理多媒体内容的强大工具。 [![](https://s3.ifanr.com/wp-content/uploads/2025/09/img_68c7916158204.png)](https://s3.ifanr.com/wp-content/uploads/2025/09/img_68c7916158204.png) ▲ 输入指令后，Gemini CLI 会直接说它需要 yt-dlp 和 ffmpeg 这两个工具；然后会自动调整分辨率和帧率，以符合我提出的最终文件大小，最后它会删除过程中的临时文件。 我们继续用 X 视频举例子，这次直接要求他把这个链接的视频下载为一个 GIF 文件，并且确保 GIF 文件的大小在 5-10 MB 之间。 除了从网络上下载文件，Gemini-CLI 也可以直接处理本地文件，例如我有一张图片的大小，不符合平台上传规范，我告诉它文件名，然后要求它压缩，过程中完全不需要去找任何的在线工具。 [![](https://s3.ifanr.com/wp-content/uploads/2025/09/img_68c79177d6854.png)](https://s3.ifanr.com/wp-content/uploads/2025/09/img_68c79177d6854.png) ▲ 可以用模糊语言指定图片位置，顺利定位到图片，它会使用 ffmpeg 工具来进行压缩。不过最后它把我的原文件删掉了，当我告诉他要求找回时，它会修改自己的 gemini.md 配置文件——这相当于它的「记忆」，它会记住这次教训，确保未来不再犯同样错误。 命令行工具的种类丰富，几乎大部分的文件都能处理，甚至有时候遇到一些压缩包不能解压，直接让 Gemini CLI 来处理，而不需要额外去下载对应的解压工具。 再结合 MCP（大模型上下文协议，连接不同数据的万能接口），Gemini CLI 能做的远远不止是编程开发。 🔗 体验地址： ## AI Studio 和 Labs Google：谷歌前沿 AI 试验场 Google Labs 汇集了许多尚未正式发布的 AI 黑科技产品，像 AI Mode、NotebookLM 目前都还是实验室产品，不过他们名声比较大。我们也选择了几个有意思的小项目，虽然背后的模型都是同一个 Gemin 2.5 Pro/Flash，但是可以看看模型之上，不同的软件形态。 首先就是 Whisk，这个主打不需要提示词，上传照片尽情玩耍的图片生成工具，现在还新增了 animate 动画的功能，直接将生成的图片转成一段视频。 ![](https://s3.ifanr.com/wp-content/uploads/2025/09/PixPin_2025-09-11_17-42-40.png) ▲ 地址： 还有学习一门语言的 Little Language Lessons，它特别的地方，是让我们快速在 Gemini 构建的一系列小实验里面，学习一门新的语言，直接在现实场景中应用，还能学习各种俚语表达。 我拿粤语试了一下，至少不是多邻国里面，来来回回的肠粉和豉汁排骨了。 [![](https://s3.ifanr.com/wp-content/uploads/2025/09/img_68c791f4d94c6.png)](https://s3.ifanr.com/wp-content/uploads/2025/09/img_68c791f4d94c6.png) ▲ 地址： Google 实验室还有非常多的项目，体验地址：[labs.google](https://labs.google) 讲了通用大模型 Gemini 2.5 Pro、图像编辑 nano banana、视频生成 Veo 3，怎么可以没有 Imagen 4。 Imagen 4 官方渠道目前是只能透过 Gemini API 和 AI Studio 两种方式体验，即便 Google Labs 里面有专门生图的工具，ImageFX，但是使用的模型依旧是 Imagen 3。 AI Studio 能做的，就是体验到 Google 最新最全的各种模型。而且，在 AI Studio 里面的对话，提供了「分支」功能，我们可以保留现有对话的前提下，开启另一个新的话题。 ![](https://s3.ifanr.com/wp-content/uploads/2025/09/PixPin_2025-09-11_18-22-28.png) ▲ 地址：[ai.studio](https://ai.studio) / [ai.dev](https://ai.dev) 前段时间，马斯克还在 X 上和奥特曼互撕，直接开骂，Apple 和奥特曼有私下交易，不然他的 Grok 怎么登顶不了排行榜第一，凭什么一直都是 ChatGPT。 这一番开箱下来，似乎能看到一点 Gemini「凭什么」的端倪。Google AI 几乎是用一套完整的工作流，无缝融入我们的学习、工作和创作之中。从整理资料到激发创意，再到解放双手，这套全家桶的核心，是希望实实在在地提升每个人的生产力。 你最常用或最想尝试的是哪一个？有什么问题可以在下面留言。 *视频请点击链接，前往微信播放预览 *