2026 年谷歌 I/O 上，Google 发布了多模态大模型 Gemini Omni（意为“全能”），由 DeepMind 负责人哈萨比斯介绍为 Gemini 家族中能力最全面的版本。该模型能够处理文字、图像、视频、音频等多种模态，并声称可“从任何输入生成任何输出”，支持一句话对视频进行对话式编辑（如修改角色或背景）。会中还推出了首款可用型号 Gemini Omni Flash，即日起在 Gemini App、Google Flow 和 YouTube Shorts 可用，未来将开放 API。
5 月 20 日消息，在今日的 2026 谷歌 I/O 开发者大会上，谷歌正式发布了 Gemini Omni 模型。
诺贝尔物理学奖获得者、Google DeepMind 负责人哈萨比斯（Demis Hassabis）表示，Gemini Omni 是 Gemini 模型家族迄今为止能力最为全面的版本。“Omni”意指“全能”，该模型在处理文字、图像、视频、音频等多种模态信息时，展示出前所未有的流畅性与深度。
Gemini Omni 宣称能“从任何输入生成任何输出”，支持对话式编辑，用户可一句话改变视频中的角色、背景等元素。
IT之家从大会获悉，谷歌还宣布推出 Gemini Omni 家族首款模型 Gemini Omni Flash，即日起可在 Gemini App、Google Flow、YouTube Shorts 可用，未来将推 API 服务。
2026 谷歌 I/O 开发者大会专题