Google I/O 2026 将于太平洋时间 5 月 19 日星期二上午 10:00 开始，持续到 5 月 20 日星期三。主题演讲由 Sundar Pichai 开场，随后交棒给 Demis Hassabis 和 Josh Woodward 进行 Gemini/AI 部分的展示，最后以 YouTube 和 Android 环节收尾——这些也是科技媒体主要报道的内容。
对于独立 AI 开发者来说，主题演讲的两个小时里，你应该关注七个具体的信号。股价、消费者演示、合作伙伴公告——这些大多与你能否在 5 月 21 日（或一周前）推出不同凡响的作品无关。
这篇博文是我的关注清单，按它们对我下一步构建的影响程度排序。背景信息：我已经在现有的 Gemini 技术栈上构建 GeminiOmni 两个月了，我的切身利益与以下每一点都息息相关。
1. Gemini Omni 的每秒价格
这是主题演讲中最关键的一个数字。如果 Omni 真的作为统一的视频+音频模型推出——我认为这很有可能——它的每秒定价将决定独立视频工具在下个月是否依然可行。
我所期望的：大约每秒生成视频 $0.20，使其落在 Veo 3.1 Fast ($0.15/秒) 和 Veo 3.1 Standard ($0.40/秒) 之间的价格阶梯上，这样仍能为独立开发者层级的定价结构留出空间。
我所担心的：被包装成“高级功能”，但没有公布每次调用的价格；或者设定 $1+/秒 的费率，将除企业级以外的所有人都拒之门外。无论哪种情况，都意味着 Omni 只是一个面向消费者的 Gemini 功能，而非开发者平台，独立开发者们应该继续默认使用 Veo 3.1 Fast。
来自 9to5Google 的泄露信息中并未包含定价相关表述，我认为这很中性——Google 通常不会在应用字符串泄露中披露价格。我们会在开发者专题中了解到，很可能在主题演讲的第 45 到 55 分钟之间的一张幻灯片上看到。
2. 开发者 API 的推出时间线
第二个重要信号：新模型以多快的速度交到开发者手中？
请留意这个确切的短语：“今天即可在 Gemini 开发者 API 中使用”。这意味着主题演讲一结束，公共 API 就会开放，独立开发者可以在一周内发布集成功能。
如果你听到“将在未来几周内向开发者推出”或“先通过 AI Studio 可用，API 访问随后跟上”，这意味着你还需要等待 2-4 周才能在此之上进行构建。请相应地规划你的开发冲刺。
Google 在这方面记录不一。Veo 3.1 Standard 在发布当天就上线了公共 API。Imagen 3 则在它被宣布的主题演讲一个月后才推出。没有固定的规则可循。
3. 他们是否明确提到独立/个人开发者的定价
自 2023 年底最初的 Gemini API 推出以来，Google 对独立开发者一直相当友好——免费层级的确很慷慨，Pro 以下的所有模型定价均低于 GPT-4 级别，API 质量也足以支撑开发。
我在 I/O 上关注的是：类似“面向构建者的 Gemini”这样的公告，将这种承诺正式化。例如每月免费推理配额、专属的开发者入职引导，或社区主导的推广计划。
这对我来说重要程度中等——它不会改变我构建的内容，但会改变用户获取的策略。如果 Google 为基于其 API 构建的工具提供营销支持，那么每个“基于 Gemini 构建”的徽章都会变得更值钱。如果 Google 不这么做，其价值将维持现状。
4. 任何关于 Nano Banana 2 路线图的信号
Nano Banana 是 2025 年的一匹黑马——上线首月完成 2 亿次图片编辑，带来的新 Gemini 用户超过任何其他功能，并将基于聊天的图片编辑推上了舞台。版本 2 于 2026 年早些时候推出，支持原生 2K 输出并改进了文本渲染能力。
我想知道接下来会发生什么。具体来说：
- Nano Banana 3 是否在开发中？Google 的迭代节奏如何？
- 它会被整合进 Gemini Omni，还是继续作为一个专门的模型？
- 是否有企业级功能（样式库、品牌套件、批量处理）即将推出？
这直接影响 /tools/nano-banana-edit。如果 Google 推出了编辑器需要适配的 API 变更，我宁愿在 5 月 20 日就知道，而不是等到用户报错时才去发现。
5. Live API 解除预览状态
Gemini 3.1 Flash Live 是 Google 今年发布的最被低估的东西，目前处于“预览”状态，并附有“免费使用”的定价脚注。这两种情况都是暂时的。
我关注的是：
- Live 是否会升级为正式版（GA）？如果是，那么 SLA 的故事会更好，我可以放心地在其上构建生产级语音产品。
- “免费使用”的定价在 GA 后能否保留？几乎不可能，但新的定价点很重要。任何低于每分钟 $0.005 的价格都能让独立开发的语音应用保持可行性。
- 多模态 Live 是否会成为现实——即，我能否在音频之外同时传输视频流？这将改变在其之上可以构建的东西。
我预计 Live 会被升级为 GA，并增加多模态输入功能，同时会有一个较低但非零的每分钟价格。如果价格超过每分钟 $0.05，独立语音应用的故事将变得更加困难。
6. 任何改变长上下文经济性的东西
100 万 token 的上下文并非免费——我花了整整一篇博文来介绍每页的成本计算。I/O 上有两件事可能会改变这种经济性：
上下文缓存定价变化。 目前，Flash 模型的缓存上下文成本约为每百万 token 每小时 $1。如果 Google 将其砍半，那么“上传一个 PDF 并继续聊天”功能在规模化运营时将变得便宜得多。/tools/pdf-chat 的 Pro 层级的利润率将在一夜之间变得更加健康。
一个 200 万或 1000 万的上下文窗口。 Gemini 1.5 Pro 曾短暂拥有 200 万 token 的上下文能力。如果 Google 以 Flash 的定价将其带回，那么用例将大幅扩展——完整图书馆目录编目、多文档研究、企业语料库搜索。独立工具有机会处理更大规模的任务。
这两个消息都没有传闻，但 Google 之前曾给我们带来过惊喜。值得留意主题演讲对话中任何提到“上下文”的地方。
7. Imagen 4 的继任者
Imagen 4 自 2025 年末就已问世，是时候进行迭代了。如果 Google 宣布 Imagen 5（或将其重新品牌化为 Omni 家族的一部分），那么 Nano Banana 2 vs Imagen 4 的选择矩阵 将会发生改变。
我希望看到：
- 带有原生聊天式编辑功能的 Imagen 5——如果 Imagen 获得了 Nano Banana 的对话式界面，那么双模型的故事将简化为一个。
- 低于每张图片 $0.02 的“Imagen 4 Lite”层级——低价区间有空间和需求。
- Imagen 输出默认嵌入来源 / SynthID 水印——这实际上对整个行业是好事，而非坏事。
如果 Imagen 在 I/O 期间保持不变，我的图片工具架构也将保持不变。如果 Imagen 获得了聊天式处理能力，我将重新构建 /ai-image-generator 和 /tools/nano-banana-edit，使其共享一个单一的聊天界面。
主题演讲期间我会做什么
一些具体操作，也许对其他人有帮助：
- 我会观看直播，同时在另一个窗口开着
pnpm dev，准备在任何重要公告发布后一小时内，更新 /tools/text-to-video 和网站首页英雄区域，以包含新的模型名称。 - 我正在预写两篇博文：一篇用于“Gemini Omni 按预期发布”，一篇用于“Gemini Omni 发布了但并非我们所想”。哪一篇正确，就在 5 月 20 日发布哪一篇。
- 我已经设置好了一个功能开关，可以在无需更改代码的前提下，将 /tools/text-to-video 的默认视频模型从 Veo 3.1 Fast 切换到任何新发布的模型。只需更新一次配置，90 秒内即可部署。
- 在我看到实际的演示之前，我不会预先承诺构建任何特定功能。泄露信息暗示是视频；但主题演讲可能会给我们带来完全不同的惊喜。
我不会关注什么
有必要明确说明：
- YouTube AI 功能——对内容创作者有趣，对独立工具构建者无关紧要，除非它们制作视频编辑器。
- Android 公告——仅当你发布原生 Android 应用时才重要，而 95% 的独立 AI 工具都不这样做。
- Workspace AI 更新——Gmail/文档集成是面向消费者的，不是开发者平台。
- 股价影响——与值得构建的内容完全无关。
如果你是独立开发者，并且发现自己正在观看 YouTube 创作者经济环节，请快进。你的时间最好花在开发者专题上。
我将在 5 月 21 日总结实际结果
这篇博文承诺我会在 5 月 21 日写一篇总结——主题演讲实际宣布的内容与我的预期有何不同，我的计划有何变化，以及我会如何以不同方式构建。如果这篇博文中的预测不准确，它也会公开出来。
如果你也想关注：请收看主题演讲的 Gemini 部分（通常在开始后的 45-75 分钟），留意上述七个信号，并记住：当天下午媒体所写的内容，通常是开发者专题实际所讲内容的二手信息。幻灯片比截图更重要。
还有三天。
继续阅读
- 我们在 Google I/O 前 48 小时所知的 Gemini Omni
- Gemini Live 是 Google 在 2026 年发布的最被低估的东西
- 为何 Veo 3.1 Fast 在独立视频工作中胜过 Sora
—— Lena
