Gemini Spark 向美国 Google AI Pro 用户扩展

Google 正向美国 AI Pro 订阅用户开放 Gemini Spark，结束了这款个人代理在最初两个月仅限 Ultra 用户使用的状态。9to5Google 的报道不只是又一次订阅更新，更意味着 Google 最具野心的消费级代理正走向规模更大、要求也更高的用户群体。

Spark 不只是回答提示词。它能够操作远程浏览器、使用已连接的应用、监测特定条件，并在对话结束后继续执行任务。Google 于 2026 年 5 月向 AI Ultra 订阅用户推出了该测试版。如今，这家公司正请求普通付费用户将日历、电子邮件、文档和重复性任务托付给这套系统。

这也构成了核心矛盾。扩大访问范围，让 Google 有更多机会证明自主助手能够处理日常工作；同时，也将 Spark 的局限性、安全机制和区域限制暴露给从未订阅过 Google 最高等级服务的用户。

OpenAI 和 Anthropic 同样面临更广泛的挑战。聊天机器人已变得司空见惯，但可靠的代理仍更难交付。Google 的优势在于，它能够访问人们已在使用的 Gmail、Calendar、Drive、Search 和其他服务。

该公司的劣势也同样明显。每一项集成都会增加一个错误操作可能影响真实信息的环节。因此，Spark 的扩展测试的是：Google 的互联生态系统究竟会成为用户乐于接受的优势，还是一项让他们犹豫是否委托出去的责任。

9to5Google 报道证实 Spark 将更广泛推出

Gemini Spark 正向美国 Google AI Pro 订阅用户推出，而目前美国以外的访问资格仍仅限 AI Ultra 用户。

这一变化于 2026 年 7 月 23 日被报道。根据 Pro rollout，Google 表示其他国家的用户将“很快”获得 AI Pro 访问权限。该公司尚未公布明确的国际推出时间表。

此次扩展紧随 Spark 5 月面向美国 AI Ultra 订阅用户的首次发布。Google 随后将 Ultra 的可用范围扩展至受支持的 Gemini 市场，但存在若干地区例外。向 AI Pro 开放测试版，是它首次进入覆盖更广的订阅层级。

实际资格条件比标题所暗示的更为严格。Google 当前的 Spark requirements 要求用户至少年满 18 岁，同时必须使用个人 Google Account，并启用保存 Gemini 活动记录的设置。

工作和学校账户不受支持。美国 AI Pro 用户只能使用英语，而符合条件的 Ultra 订阅用户可以使用 Gemini 支持的语言。欧洲经济区、尼日利亚、瑞士和英国仍被排除在外。

Spark 在 Gemini 中以独立区域的形式出现，而非传统聊天模式。用户可通过 Gemini 的网页和移动应用，以及 Mac 版 Gemini 应用使用它。这一定位反映出 Google 希望将代理任务视为持续性的活动。

Spark 任务可以持续运行，无需用户始终保持某个聊天窗口开启。Google 表示，用户最多可同时运行 15 项任务。这些任务共享 Gemini 基于计算量的使用限制，因此可用并不意味着可以无限制地进行自主工作。

此次推出还引入了不同的交互单位。用户将 Task 定义为更广泛的目标，例如管理一次旅行。Schedule 则决定任务何时运行，或由何种条件触发。

Skill 包含可复用的指令和辅助上下文。Spark 在完成一项任务时可以组合多个 Skill。这使得旅行工作流能够分别使用预订和撰写电子邮件的指令。

这些区别之所以重要，是因为它们将提示词转化为更接近操作流程的内容。普通聊天机器人等待下一条消息；Spark 则可以保留指令、监测事件，并在事件发生时开始行动。

因此，9to5Google 的报道反映的是一次分发层面的变化，而不是新产品发布。产品原本就已存在，改变的是被要求测试它的受众规模与构成。

这一更广泛的用户群会以普通职场标准来评判 Spark。任务必须能可预测地完成、保留用户意图，并在需要人工输入时明确提示。一旦代理进入某人的收件箱或日历，新奇感便不再那么重要。

Google 正将 Gemini 打造成一层操作层

真正重要的变化并非 Gemini 能访问更多应用，而是它可以长期协调这些应用之间的行动。

Google 将 Spark 描述为面向复杂工作流的个人 AI 代理。在这里，代理是指能够围绕用户定义的目标规划并执行多个步骤的软件。当它遇到需要人工判断的决策时，也可以请求协助。

Spark 可从已连接的应用、此前的聊天记录、Personal Intelligence、位置信息和已登录的网站中获取信息。它能够使用远程浏览器和具备代码执行能力的远程计算机。这些能力使其不再局限于总结内容，而可以在其他地方实际做出更改。

以一次延误的商务旅行为例。用户可以让 Spark 监测航班、提出调整后的行程建议、寻找其他房间，并准备确认邮件。这个工作流涵盖触发条件、网页研究、日历上下文和书面沟通。

该功能的价值来自协调能力。单独的日历访问和起草电子邮件都已不陌生；将它们与持续监测结合后，几个彼此独立的便利功能便成为一项持续进行的任务。

自 5 月以来，Google 一直在稳步扩展这种协调能力。其 Gemini release notes 将 Spark 描述为从回答问题转向主动工作的变化。Mac 应用则为涉及本地文件和桌面工作流的任务增加了另一种执行环境。

Google 在 6 月的更新还将 Spark 与 Keep 和 Tasks 相连。用户可将非正式笔记转化为结构化行动项，无需手动在服务之间转移信息。第三方集成则将这一模式扩展至 Google 自身软件之外。

该公司宣布了与设计、存储、购物、餐饮和房地产服务相关的连接。它还加入了 Model Context Protocol 支持，使兼容工具能够向 AI 系统提供功能和上下文。这为更多外部服务参与其中提供了路径。

实时监测进一步拓宽了这一概念。Google 表示，Spark 可以关注新闻、体育、金融、天气、购物和社交来源。用户可以要求在选定条件发生时收到更新，而不必反复查看来源。

这种方式让 Gemini 更接近个人工作的操作层。代理位于用户陈述的目标与存放相关信息的应用之间。它选择工具、跟踪状态，并在需要用户关注时返回。

这也是 Google 拥有罕见分发优势的地方。许多人已经在其服务中存储日程、通信记录、文件、笔记和浏览活动。Spark 无需用户先构建一个全新的信息环境，便能开始发挥作用。

对于知识工作者而言，由此形成的工作流类似于更主动的 personal knowledge base。存储的信息成为可操作的上下文，而不再是用户必须手动检索的材料。

不过，能够访问上下文并不保证判断准确。代理可能找到正确的电子邮件，却误解哪项承诺更重要；它也可能编辑正确的文档，却改动了用户原本希望保留的部分。

因此，Google 必须证明互联上下文能够改善结果，同时不会带来不可预测的副作用。随着 Spark 面向对测试版行为容忍度更低的人群开放，这一考验会更加困难。

AI Pro 访问权限给所有个人代理带来压力

Google 正借助分发能力和已连接的数据，挑战那些往往必须从独立工具中拼凑上下文的竞争对手。

个人代理的竞争已从模型演示转向完整系统。原始模型能力仍然重要，但用户体验到的是周边产品。权限、集成、任务历史、通知和恢复控制，正日益决定代理是否显得可靠。

Google 可以从多个方向同时参与这场竞争。Gemini 已通过网页和移动设备拥有消费者分发渠道。Workspace 服务提供有用的上下文，而 Search 和 Chrome 则能支持研究和基于浏览器的操作。

Spark 的扩展将这一组合带到更多付费用户面前。每一项新任务也会为 Google 提供产品反馈，揭示代理在哪些地方停滞、请求澄清，或消耗过多计算资源。在代理界面仍未定型之际，这类反馈十分宝贵。

OpenAI 和 Anthropic 正在推进各自的计算机使用和工作代理体验。它们的产品给 Google 的模型质量与推理性能带来压力；而 Google 的整合服务则对它们施加另一种压力。

竞争对手可以为 Gmail 或 Drive 构建连接器，但无法假定自己与 Google 用户的账户、设备和现有应用权限之间存在同样的默认关系。每增加一步授权，都会在第一个有用任务开始前增加摩擦。

Google 仍不能仅依赖集成能力。用户可能会放弃执行缓慢或需要持续监督的代理。一个深度互联却经常暂停的助手，可能不如功能更窄但行为可预测的工具实用。

这一时机也反映了 Google 自身 AI 战略所承受的压力。Reuters 报道称，Google 的模型发布速度以及与 OpenAI、Anthropic 的竞争仍持续受到审视。该公司一直强调更轻量的 Gemini 模型和效率，而其旗舰产品路线图也备受关注。

Spark 为 Google 提供了另一种竞争方式。即便基准测试讨论聚焦于前沿模型，该产品仍可通过编排创造价值。可靠的代理不需要在工作流的每个阶段都使用最大模型。

相反，它可以通过高效系统处理较简单的操作，并将更强的推理能力留给困难决策。这种架构支持 Google 更广泛的推理成本管理重点，也与 Gemini 适用的基于计算量限制相一致。

但用户很少在意每个步骤由哪个模型完成。他们在意的是结果是否正确。高效路由只有在长串操作中仍能保持质量时，才会成为优势。

因此，9to5Google 的报道加大了双方的压力。竞争对手必须回应 Google 的分发优势，而 Google 则必须证明分发能够带来完成的工作，而不是更显眼的失败。

此次推出也促使 Google 明确 Spark 的定位。它目前是面向个人账户的消费者功能，尽管许多有说服力的示例更像是专业工作。商务旅行、文档准备、日程安排和收件箱整理，常常横跨个人与企业边界。

暂时排除工作和学校账户，限制了这种矛盾；但这也阻止 Spark 触达许多最能从结构化自动化中获得明显经济价值的用户。面向企业的可用性将带来更严苛的安全、管理和合规要求。

Google 面临的直接考验因此是消费者的采用情况。如果 AI Pro 订阅用户持续将重复性任务委派给 Spark，它就有一条超越发烧友群体的可信路径。如果用户只把它用于偶尔的演示，更广泛的访问权限也无法证明代理模式的价值。

代理最大的优势也是其最大的风险

Spark 获得的访问权限越多，作用就越大；但每增加一项权限，误解用户请求的代价也越高。

Google 自己的指引明确说明了这一权衡。该公司警告用户，不要在任务线程中输入登录凭据、支付详情或其他敏感信息。必要时，用户应接管远程浏览器并直接输入这些信息。

Google 还建议不要安排敏感任务。根据该公司的帮助文档，Spark 仍在学习，可能会出错。当用户离线时，定时任务一旦运行，意外操作可能更难阻止。

这一警告将 Spark 与会生成错误文本的聊天机器人区分开来。错误答案可能误导用户，但代理还可能更改日历、移动文件或发送消息。后果会延伸到实际执行操作的系统中。

Google 通过确认要求来降低这一风险。Spark 在对共享的 Docs、Sheets 和 Slides 进行计划内编辑前，需要经过审核。高风险操作也可能触发额外的用户批准。

这些保护措施并非在每种工作流程中都一致。Google 表示，Spark 可以在无需确认的情况下，对私有 Google Tasks 执行批量操作。因此，用户必须了解哪些操作需要批准，哪些请求可以直接执行。

这带来了产品设计上的挑战。每一个小步骤都要求确认，会抹去委派的好处。允许过多操作在未经审核的情况下执行，则会增加误解指令并修改真实数据的可能性。

信任取决于让这条边界清晰可见。用户需要知道 Spark 计划做什么、将使用哪些信息，以及何时会返回请求批准。他们还需要一种切实可行的方式来撤销更改。

Google 表示，用户可以通过 Spark 确认信息中的链接，在受影响的 Workspace 服务内修改结果。这有助于处理可恢复的编辑操作。但它无法消除错误邮件、被取消的活动或对时效性要求很高的外部操作所造成的干扰。

持续运行的定时任务又增加了一层复杂性。一次性提示的生命周期有限，而定时任务可能会在相关上下文已经变化后，反复执行原有指令。

例如，一个收件箱清理定时任务最初可能反映了用户的优先事项。当项目启动、新客户出现，或某份新闻通讯变得重要时，这些优先事项就可能改变。可复用的自动化需要定期审核，即使其早期结果看起来正确。

Skills 也会带来类似风险。一项精心编写的 skill 可以通过保留指令来提高一致性；一项模糊或过时的 skill 则可能在多个任务中重复同一个错误。

产品必须帮助用户检查这些构件。用户需要清晰记录：运行了哪项 skill、它使用了哪些信息，以及 Spark 为什么选择了某个具体操作。缺少这种可见性，故障将很难诊断。

区域和账号限制表明，Google 正在逐步管理风险暴露。个人账号比受管理的企业环境带来的管理要求更少。仅向英语 AI Pro 用户开放，也限制了首次扩展期间所测试的语言行为范围。

不应将这种分阶段方式视为 Spark 对每种工作流程都安全的证据。Beta 标签依然重要。用户应从可撤销的任务开始，并在涉及他人的操作中保留审核节点。

质疑者的观点很直接：Spark 可能会自动化最简单、最显眼的步骤，却让用户继续承担监督、纠错和权限管理的责任。如果这种监督耗费太多时间，代理只是转移了工作，而不是消除了工作。

Google 的机会在于证明相反的情况。设计良好的任务历史、清晰的批准模型和可靠的执行能力，可以让监督负担随着时间推移而减轻。更广泛的 AI Pro 访问将带来更多证据，说明哪种结果正在出现。

Workspace 升级让 Spark 更实用，也更暴露于风险之中

Spark 最近的 Workspace 改进让它更接近日常实际工作，而在这些场景中，准确性比令人印象深刻的演示更重要。

Google 在 AI Pro 推出前不久扩展了 Spark 的文档能力。它可以搜索 Drive、读取文件内容、检查元数据、重命名文件并识别最近使用的文档。它还可以在 Docs、Sheets 和 Slides 中创建和编辑内容。

该代理可以向文档添加摘要或注释，并修改特定部分。在 Sheets 中，它可以构建表格、应用格式并处理公式。在 Slides 中，它可以创建演示文稿或编辑单张幻灯片。

Spark 还可以读取附加在文档、电子表格和演示文稿上的评论。评论往往包含主文件中从未出现的决策和未解决请求。将其纳入后，代理便能更了解协作者的预期。

Google 表示，用户审核 Spark 提议的修改后，Spark 可以编辑共享的 Workspace 文件。这一步批准可以保护协作材料不被立即修改。它也揭示了当所有权分散时，大范围自动化会变得多么困难。

个人文档通常只有一个决策者。共享演示文稿则可能涉及多名贡献者、审批链和对外承诺。代理不仅必须理解内容，还要理解修改内容所具有的社会含义。

Gmail 支持带来了相似的考验。Spark 可以搜索邮件线程、总结讨论、起草回复、转发邮件，并使用标签整理邮件。每项操作看似直接，但当对话中包含歧义、幽默或未明说的义务时，事情就并不简单。

日历操作会带来直接的运营后果。Spark 可以回应邀请、安排活动、建议共同空闲时间，并修改会议详情。一次排期错误可能在用户察觉前影响多个人。

最新的 Workspace 升级据报道让 Spark 的速度提升了超过 50%。Google 还改进了并行来源检索，并在任务需要输入时发送通知。这些改进针对的是代理使用中两种常见的挫败来源。

速度很重要，因为长时间运行的任务会造成不确定性。当用户无法预测代理完成任务的时间时，他们可能会自己开始做这项工作。更好的通知可以通过解释进度为何停滞来减少这种不确定性。

并行研究可以缩短工作流程，但也会增加代理需要协调的来源数量。更快的检索并不能保证 Spark 能正确识别冲突或对证据进行排序。质量仍取决于它如何推理所收集的材料。

6 月产品更新展示了 Google 如何将 Spark 扩展到 Workspace 之外。Mac 应用可以使用本地文件，而已连接的服务支持涉及设计、存储、预订和购物的任务。

这种扩展增加了用户可使用的真实场景数量，但也造成了服务之间行为不一致。每个应用提供的操作、权限、确认规则和撤销错误的选项都不相同。

Model Context Protocol 可以简化技术集成，但无法标准化每个产品的业务规则。Spark 仍需要理解，在用户的具体上下文中，一项可用操作是否恰当。

这正是 AI Pro 推出比功能列表更重要的原因。规模较小的 Ultra 用户群体可能接受试验，并手动检查结果。更广泛的用户群体则会期待基本操作像可靠的软件一样运行。

Google 面临的挑战是，在不把每项任务都变成配置项目的前提下保留灵活性。Skills 可以编码详细指令，但大多数用户不会为助手编写复杂的操作手册。Spark 必须做出足够的推断来提供帮助，同时在恰当的时候提出问题。

近期最强的使用场景可能会结合明确触发条件与可撤销的输出。研究摘要、文档草稿、整理后的笔记和建议的日程变更，都让用户有机会在后果扩散前审核结果。

涉及支付、公开消息、破坏性文件更改或敏感沟通的任务需要更谨慎。Google 自己的警告也支持这种区分。代理的广泛能力不应被误认为其在每项操作上都同样可靠。

三个信号将显示 Gemini Spark 能否规模化

下一阶段将取决于国际访问范围、可靠的任务完成情况，以及 Google 是否愿意将 Spark 引入受管理的工作账号。

第一个信号是 AI Pro 承诺在美国以外扩大可用性的进展。Google 表示访问权限将很快扩展到其他国家，但尚未提供日期。市场开放的顺序将反映它解决语言和监管限制的速度。

如果在受支持地区快速扩展，将强化一种观点：当前美国发布是分发步骤，而非有限实验。若排除范围持续存在，则表明权限、政策或本地化仍在限制产品覆盖范围。

语言支持值得密切关注。美国 AI Pro 订阅用户目前获得英语访问权限，而符合条件的 Ultra 用户可以使用其他受支持的 Gemini 语言。更广泛的 Pro 语言支持将表明，Google 相信 Spark 的行动规划能力能够超越其首个部署语言。

第二个信号是 Google 是否会公布关于任务可靠性更清晰的证据。仅有使用次数无法回答核心问题。有用的衡量标准包括完成、纠正、确认和放弃。

用户需要知道 Spark 在无需干预的情况下完成任务的频率，以及它多久会要求澄清。他们还需要了解意外操作以及成功恢复的证据。Google 尚未发布涵盖这些结果的完整公开评分卡。

产品变化可以提供间接证据。更细粒度的批准设置意味着用户需要更强的控制权。更简单的确认流程和更少的停滞任务，则表明 Google 正在改善执行质量。

还应关注该公司如何处理计算限制。Spark 最多可以同时运行 15 个任务，但这些任务共享 Gemini 的使用系统。重度用户很快会发现，持续自动化是否能适配普通订阅限制。

如果日常定时任务经常触及限制，Spark 可能仍只是一个偶尔使用的助手。如果用户能够在无需持续配额管理的情况下维持多个有用工作流程，Google 的消费者代理主张就会更有说服力。

第三个信号是对受管理的工作和学校账号的支持。当前的排除让 Spark 远离了许多日历、文档和电子邮件承载正式义务的环境，同时也避开了最严格的管理要求。

企业访问需要针对数据治理、审计、保留、权限和组织政策的控制措施。管理员需要决定 Spark 可以访问哪些服务，以及哪些操作需要批准。

受管理 Workspace 的推出将强化 Google 关于 Spark 可以支持严肃工作的说法。若长期停留在仅面向消费者的阶段，则表明该产品的广泛操作能力仍难以与企业控制要求协调。

竞争对手的反应应当被纳入这三项信号之中，而不是置于其外。OpenAI 和 Anthropic 将继续改进各自的智能体和集成能力。它们的进展将决定 Google 现有服务关系的差异性能维持多久。

9to5Google 关于 Google 的报道，使 Google 在主流付费 Gemini 用户中获得了早期分发优势。但这并不能说明这些用户是否会持续维护日程、创建可复用技能，或信任 Spark 处理已连接的数据。

对开发者而言，关键问题在于，MCP 连接能否成为可靠的产品界面，而不只是实验性的适配器。对企业采购方而言，尚未支持工作账户仍是决定性的限制。

知识工作者应关注任务本身的形态。当目标具备明确输入、可观察的进度和可逆的结果时，Spark 最具说服力。若任务依赖未言明的社交语境或不可逆的决策，它的说服力就会下降。

AI 产品用户可以在不交出完全控制权的前提下检验这一更广泛的主张。可以先从定期研究简报、文档草稿或拟议的日历清理开始。随后查看 Spark 选择了什么、遗漏了什么，以及误解了什么。

结果应决定下一阶段的授权程度。一次成功的演示只能证明 Spark 能完成一条路径；在不断变化的条件下反复稳定地执行，才会让一个智能体成为基础设施。

Google 已将 Gemini Spark 的覆盖范围扩展到最高订阅层级之外。未来一到三个月将揭示，更广泛的访问权限究竟会形成持久工作流，还是只会带来更多 beta 实验的集合。

因此，9to5Google 对 Google 的报道最好被视为一次公开可靠性测试的开始。用户会在完成首项任务后继续让 Spark 运行吗？Google 又是否会提供足够的控制权，让他们信任下一项任务？