גוגל מוסיפה לג'מיני לייב יצירת ועריכת תמונות בזמן אמת: כל מה שצריך לדעת

ההבחנה המרכזית היא שבעוד שמודל Gemini 2.5 Flash Image תומך ביצירה ועריכה על בסיס פקודות טקסט ותמונות, השדרוג החדש לג'מיני לייב משלב את הלולאה היצירתית הזו לתוך שיחה קולית רציפה מול המצלמה .

הטכנולוגיה שמאחורי הקלעים: "ננו-בננה"

מודל התמונה שמניע את החוויה הוא Gemini 2.5 Flash Image, שגוגל מכנה בחיבה "ננו-בננה". גוגל מתארת אותו כמודל יצירת ועריכת התמונות המתקדם ביותר שלה . בין היכולות המרכזיות שלו:

• מיזוג של מספר תמונות לתמונה מרוכבת אחת .
• שמירה על עקביות דמות (Character Consistency) לאורך עריכות שונות, אידיאלי ליצירת סיפורים חזותיים .
• ביצוע שינויים ממוקדים בתמונה באמצעות שפה טבעית בלבד (למשל, "החלף את הבגדים של האדם בחולצה אדומה") .
• החלת סגנונות ויזואליים מתמונה אחת על אחרת .

המודל זמין למפתחים דרך Gemini API ו-Google AI Studio, והמחיר שלו עומד על 30 דולר למיליון טוקנים בפלט, כאשר כל תמונה נחשבת כ-1,290 טוקנים .

העדכונים הרחבים יותר מ-Google I/O 2026

כנס המפתחים Google I/O 2026, שהתקיים במאי 2026, היה במה מרכזית לשורה של הכרזות בינה מלאכותית שאפתניות, אשר בונות על המומנטום של ג'מיני לייב:

Gemini Omni: "ננו-בננה" לוידאו

• מודל חדש שיכול ליצור ולערוך וידאו מכל סוג של קלט, החל מטקסט, תמונות, אודיו ווידאו .
• גוגל מתארת את העריכה ב-Omni כ"קלה כמו לנהל שיחה" . בדומה לעריכת תמונות בג'מיני לייב, משתמשים יכולים לתת הוראות כמו "החלף את הפסל הזה בבועות" והמודל יבצע זאת תוך שמירה על עקביות פיזיקלית והקשר .
• Omni משלב את האינטליגנציה של ג'מיני עם מיטב מודלי המדיה הגנרטיבית, כמו Veo, להבנת עולם מתקדמת ועריכה רב-מודאלית .
• המודל הראשון במשפחה, Gemini Omni Flash, הושק למנויי Google AI Plus, Pro ו-Ultra, ומאפשר יצירת קליפים של עד 10 שניות .

Gemini 3.5 Flash: המודל המהיר והחכם החדש

• Gemini 3.5 Flash הפך למודל ברירת המחדל באפליקציית ג'מיני ובמצב ה-AI בחיפוש גוגל .
• גוגל טוענת כי הוא מהיר פי ארבעה ממודלי חזית (frontier models) אחרים ברמתו, ותוכנן במיוחד למשימות אייג'נטיות (agentic tasks), קידוד, ותהליכי עבודה מורכבים מרובי-שלבים .
• המודל מתעלה על קודמו, Gemini 3.1 Pro, במגוון רחב של מדדים, כולל במשימות קידוד מורכבות (Terminal-Bench 2.1: 76.2%) והבנה מולטימודאלית .

שדרוגים נוספים:

• עיצוב מחדש של אפליקציית ג'מיני: גוגל הציגה שפת עיצוב חדשה בשם "Neural Expressive" והטמיעה את Gemini Live ישירות לתוך הצ'אט, כך שמשתמשים יכולים לעבור בצורה חלקה בין הקלדה לדיבור .
• Google Pics: אפליקציה חדשה לעריכת תמונות מבוססת AI, שתצא בקיץ, ומאפשרת לבצע שינויים מדויקים בפרויקטים יצירתיים .
• Docs Live: כלי כתיבה קולי שמאפשר "להקיא" רעיונות במילים, ולתת לג'מיני לארגן אותם למסמך מסודר. הכלי צפוי לצאת בהמשך הקיץ .

איך גוגל ממצבת את עצמה בנוף ה-AI הרב-מודאלי

המהלך של גוגל אינו רק שדרוג פיצ'ר בודד, אלא הצהרת כוונות על בניית צינור עיבוד רב-מודאלי ואחיד בזמן אמת. המיקום של גוגל מתבסס על עומק האינטגרציה בין כל חלקי המערכת:

• תמונות: ג'מיני לייב סוגר את המעגל בין "הראה לג'מיני מה אני רואה" לבין "בקש מג'מיני ליצור או לערוך משהו" – ישירות באותה שיחה .
• וידאו: Gemini Omni מרחיב את אותו מודל שיחתי לעולם הווידאו, ומאפשר לכל אחד לערוך סרטונים כאילו הוא מנהל שיחה עם עורך מקצועי .
• חשיבה + יצירה: השילוב בין יכולות התבונה של ג'מיני לבין מודלי המדיה הגנרטיבית (כמו "ננו-בננה" ו-Veo) יוצר עומק חדש של הבנת העולם, פיזיקה והקשר תרבותי, שמאפשר תוצאות קוהרנטיות ואמינות יותר .

היתרון התחרותי של גוגל, על סמך ההכרזות הללו, טמון ביכולתה להציע חוויה אינטואיטיבית, מהירה ומשולבת, ממצלמת הטלפון ועד לעריכת וידאו מורכבת. השאלה הגדולה שנותרה פתוחה היא כיצד יתפקדו זרימות העבודה המשולבות הללו בפועל, בקנה מידה רחב, כאשר יהפכו לזמינות לכלל המשתמשים .