今天起，全美谷歌 Gemini 免費用戶都可使用個性化 AI 生圖功能
重點摘要
谷歌向全美符合條件的Gemini免費用戶開放個性化AI圖像生成功能，此前該服務僅限付費用戶。核心升級在於“懂你”的理解力，系統通過連接用戶授權的Gmail、相冊、YouTube及搜索等數據，主動感知興趣，推動AI個性化加速普及。
### 谷歌開放免費版 Gemini 個性化生圖功能：AI 更「懂你」的時代來了
Google 近日正式向全美符合條件的 Gemini 免費用戶開放個人化 AI 圖像生成功能，這項過去僅限付費用戶使用的服務，現在逐步下沉到一般使用者。核心升級在於系統透過串接用戶授權的 Gmail、相簿、YouTube 與搜尋記錄等數據，主動感知使用者興趣與偏好，實現「懂你」的生成能力。這項變革不僅讓 AI 生圖工具更隨手可得，也正式將「個性化」從付費門檻推向普及階段。
### 重點整理：從付費獨享到免費開放
過去 Gemini 的個人化圖像生成功能屬於 Google One AI Premium 方案（每月 19.99 美元）的專屬權益，而現在 Google 將這項能力下放到免費層級，只要用戶主動授權相關帳戶數據，就能體驗到根據個人使用習慣與內容偏好產生的 AI 圖片。系統會參考用戶的 Gmail 郵件內容、相簿中累積的照片風格、YouTube 觀看紀錄、以及搜尋歷史中的主題興趣，打造更貼近個人生活的視覺輸出。這項功能目前僅限美國地區且符合條件的免費用戶，其他地區尚未同步放行。
### 背景脈絡：AI 生圖從「通用」走向「個人化」
過去一年來，各科技巨頭的 AI 圖像生成工具大多圍繞「根據文字提示產生圖片」的模式，使用者必須明確描述場景、風格、物件，才能得到相對應的結果。然而，這種模式往往忽略了使用者本身的背景與脈絡。Google 在 Gemini 上導入數據整合機制，其實延續了該公司長年以來在搜尋與推薦系統中「理解用戶」的邏輯——只是現在這套邏輯被應用到圖像生成。從付費限縮到免費開放，可能意味著 Google 試圖擴大 AI 工具的使用基數，同時驗證「個人化數據」在生成式 AI 中的實際效益。
### 可能影響：便利性提升、隱私議題再受關注
對於一般使用者來說，這項功能大幅降低了生成「合胃口」圖片的難度。例如，若你經常搜尋露營裝備、相簿中有大量山景照片，系統可能在你輸入「畫一張周末活動海報」時，自動加入戶外元素與自然色調。但同時，這也凸顯了更深層的隱私問題：用戶需要授權 Google 讀取 Gmail、相簿、YouTube 等高度個人化的數據，才能享受到這份「懂你」的體驗。雖然 Google 強調數據僅在用戶同意後才使用，且不會用於訓練模型或分享給第三方，但對隱私敏感的用戶仍可能持保留態度。此外，競爭對手如 OpenAI 的 DALL-E 或 Midjourney 目前仍以通用提示為主，Google 此舉可能迫使對手思考是否跟進個人化路徑。
### 讀者可關注的後續：隱私設定、地區擴展與實際體驗
隨著這項功能在美國上線，台灣用戶可以留意以下幾點：第一，Google 是否會在其他地區（如台灣）逐步開放相同權限，以及落地時是否調整數據授權範圍以符合當地法規。第二，免費版的個人化生圖是否會有次數限制或解析度差異？原文並未具體說明，但使用者應注意「符合條件」可能涵蓋帳號使用活躍度或年齡限制。第三，實際使用時，系統對數據的「理解力」能否真正符合預期？建議有興趣的讀者可以先檢查自己的 Google 帳戶隱私設定，了解哪些數據已授權給 Gemini 使用，並適時關閉不必要的權限，以平衡便利與安全。最後，觀察 Google 是否會將這套個性化技術進一步拓展到其他生產力工具（如文件、簡報），將是未來 AI 應用走向深度個人化的關鍵風向球。
整體而言，Google 這一步顯示出「個人化 AI」不再只是高階方案的賣點，而是逐漸成為基礎體驗的一部分。對於習慣使用免費 AI 工具的使用者來說，這代表未來與機器互動時，機器將更認識你——而你需要做的，是決定讓它認識多少。
Related
相關文章
軟件沒被AI殺死，但全球市場都捲上天了
AI寫程式能力崛起，但軟體並未被取代，反而在全球市場面臨更加激烈的競爭。軟體開發的門檻降低，促使各國廠商紛紛投入，導致市場「捲」上加「捲」。軟體業者需在效率與創新之間找到新平衡，才能應對這場無止境的挑戰。
Token管夠的時代結束了
這篇消息聚焦「Token管夠的時代結束了」。原始導語提到：企業的錢也不是大風颳來的 從 AI 情報角度來看，這類內容值得關注其背後的技術進展、產品落地、產業競爭與後續市場影響。
Claude Code之父版「職場MBTI」：AI洗牌後只剩5類人，你選哪種？
這篇消息聚焦「Claude Code之父版「職場MBTI」：AI洗牌後只剩5類人，你選哪種？」。原始導語提到：未來是屬於這5種職業的 從 AI 情報角度來看，這類內容值得關注其背後的技術進展、產品落地、產業競爭與後續市場影響。
中國信通院牽頭，首個智算運維智能體評測基準正式落地，覆蓋 5 款主流國產芯片
6月29日，在中國信通院人工智能軟硬件協同創新與適配驗證中心、中國人工智能產業發展聯盟、工信部人工智能標準化技術委員會聯合主辦的2026“眾智”大模型開放智算生態協同高級別研討會中，中國信通院副院長魏亮，正式發佈AISHPerf人工智能軟硬件基準體系3.0版本，包含兩項 AI Infra 領域核心評測基準——AISHPerf-智算運維智能體評測基準以及AISHPerf-算子生成智能體評測基準，兩大基準由國內頂尖AI原生基礎設施服務商無問芯穹及清華大學團隊作為重點技術支持方參與建設。前者是首個面向 AI Infra 的運維智能體評測基準，依託百億級真實運維數據構建，核心考核智算運維智能體在真實生產場景中解決實際問題的落地能力。後者則跳出 “模型能否生成可運行 GPU 算子” 的基礎維度，將評測重心錨定在 “模型生成的算子能否在真實量化推理部署中替代現有算子” 的工程可部署性上，更貼合產業實際落地需求。二者從底層算力優化到上層集群運維，共同為智算產業的標準化升級與高質量發展提供了統一的能力參照框架。 AISHPerf（Performance Benchmarks of Artificial Intelligence Software and Hardware）是中國信通院與人工智能大模型及軟硬件評測工業和信息化部重點實驗室，依託人工智能軟硬件協同創新與適配驗證中心（位於國家信創園）聯合構建的人工智能軟硬件基準體系，旨在設置多維度指標，考察端到端方案對模型及應用場景的真實承載能力，系統評估軟硬件各層級間的協同優化水平、兼容適配能力及整體交付效能。在此次發佈的兩項基準中，AISHPerf-智算運維智能體評測基準尤為引人注目，它不僅標誌著我國在智算集群運維智能體領域擁有了首個權威評測體系，更率先將國產芯片集群運維場景納入評測體系、填補了國產智算運維智能體評測領域的空白，為構建自主自治
Hermes新功能上線！比Opus 4.8和GPT-5.5還猛
AI應用風向標（公眾號：ZhidxcomAI） 作者｜畢偉豪 編輯｜漠影 智東西6月30日報道，現在，Fable 5和Mythos 5等頂尖閉源模型沒法使用，就算能用，單一模型也總有搞不定的問題，那麼，想要高質量輸出結果的用戶該怎麼辦呢？ 近日，Hermes Agent上線了MoA（Mixture of Agents）功能，支持用戶自由組合多種模型作為虛擬模型使用，在Nous Research即將發佈的基準測試中，這個混合模型的評分超過了Opus 4.8 和GPT-5.5。 一、Fable 5、Mythos 5被禁，多模型組合成為潮流 Nous Research在官推上說了這樣一句話：“最強大的模型是受限的，只有少數人才能獲得訪問權限。”這句話明晃晃地指向了Fable 5等模型被封禁的事件。 在這種背景下，不難看出，MoA這個混合模型模式的終極目的，是用開源模型的組合達到頂尖閉源模型的水準，就像Hermes Agent聯合創始人Teknium說的，他們正在測試各種開源模型組合，看看是否能用更便宜的模型達到Opus的水平。 這種多模型組合比肩頂尖模型的思路，最近其實有不少實踐的例子，比如前段時間日本AI獨角獸Sakana AI發佈的Sakana Fugu系列編排器模型，會根據任務選擇最佳的模型來處理，和MoA的思路非常相似。 而MoA的技術也在很久之前就已存在了，2024年6月Together AI曾發表過一篇論文《Mixture-of-Agents Enhances Large Language Model Capabilities》，核心是多LLM組合，每一層模型都會參考上一層模型的輸出，再繼續生成自己的回答。同時，論文也將模型分成了兩類，也就是現在Hermes所用的參考模型和聚合模型。 當用戶提出問題時，參考模型會先對問題進行分析判斷，然後給出參考意見，隨後由聚合模型來
Claude Code之父最新判斷：AI時代團隊分工被重寫，這「五種人」最吃香
這篇消息聚焦「Claude Code之父最新判斷：AI時代團隊分工被重寫，這「五種人」最吃香」。原始導語提到：工程師、PM、設計師……崗位邊界正在消失！ 從 AI 情報角度來看，這類內容值得關注其背後的技術進展、產品落地、產業競爭與後續市場影響。