Gemini Desktop đang tiến hóa thành một AI agent trên máy tính

Những tính năng này cho phép Gemini hiểu ngữ cảnh trực quan trên desktop, nhưng hiện tại nó vẫn chủ yếu hoạt động như một trợ lý AI, chưa phải công cụ tự động hóa hệ thống.

Gemini Spark: AI agent có thể tổ chức file

Một trong những tính năng rò rỉ được nhắc tới nhiều nhất là Gemini Spark. Theo các báo cáo, đây có thể là một AI agent thực sự có khả năng thực hiện hành động trên máy tính.

Các khả năng được nhắc tới gồm:

• Truy cập hệ thống file cục bộ
• Tự động sắp xếp thư mục hoặc tài liệu
• Thực hiện chuỗi tác vụ nhiều bước trên desktop

Một số báo cáo thậm chí mô tả Spark có thể “tổ chức file của bạn”, đưa Gemini tiến gần hơn đến mô hình AI agent sử dụng máy tính — tức AI không chỉ trả lời mà còn thực sự làm việc thay người dùng.

Giao diện Chat và Agent tách biệt

Một thay đổi khác được cho là đang được thử nghiệm là giao diện hai chế độ.

Ý tưởng được mô tả như sau:

• Chat mode: hoạt động như Gemini hiện nay, tập trung vào hỏi đáp.
• Agent mode: cho phép AI thực hiện nhiệm vụ, ví dụ tự động hóa hoặc quản lý file.

Thiết kế này phản ánh xu hướng mới trong phần mềm AI: phân biệt rõ giữa trao đổi với AI và giao việc cho AI thực hiện.

Gemini Live: hội thoại bằng giọng nói hiểu nội dung màn hình

Một tính năng khác được nhắc tới là Gemini Live, có thể xuất hiện dưới dạng lớp giao diện nổi trên desktop.

Nếu được triển khai, Gemini sẽ có thể:

• Trò chuyện bằng giọng nói theo thời gian thực
• Quan sát những gì đang diễn ra trên màn hình
• Đưa ra gợi ý khi người dùng đang duyệt web, lập trình hoặc chỉnh sửa tài liệu

Khác với việc phân tích ảnh chụp màn hình một lần, Gemini Live được cho là sẽ phản hồi liên tục theo nội dung đang hiển thị trong suốt phiên làm việc.

Stream to Cursor: AI hỗ trợ lập trình theo ngữ cảnh

Đối với lập trình viên, Google có thể bổ sung tính năng Stream to Cursor.

Tính năng này được cho là sẽ truyền ngữ cảnh từ desktop hoặc ứng dụng trực tiếp vào trình soạn thảo code Cursor, giúp Gemini đưa ra gợi ý dựa trên workflow hiện tại của lập trình viên.

Điều này phù hợp với định hướng “agentic coding” mà Google đã nói sẽ nhấn mạnh tại Google I/O 2026.

Veo4 Omni: tạo và chỉnh sửa video bằng AI

Một rò rỉ khác đề cập tới Veo4 Omni, được mô tả là mô hình AI phục vụ tạo và chỉnh sửa video.

Thông tin ban đầu cho thấy hệ thống này có thể hỗ trợ:

• Tạo video bằng AI
• Chỉnh sửa và ghép video
• Tích hợp trực tiếp với các công cụ Gemini trên desktop

Tuy nhiên, các chi tiết hiện vẫn rất hạn chế vì thông tin chủ yếu đến từ phân tích build, chưa phải tài liệu chính thức.

Khi nào các tính năng này có thể ra mắt?

Google chưa xác nhận chính thức những tính năng nói trên.

Tuy vậy, Google I/O 2026 (19–20/5) được xem là thời điểm hợp lý nhất để công bố hoặc trình diễn các nâng cấp này.

Các kịch bản có thể xảy ra gồm:

• Giới thiệu bản preview trong keynote I/O
• Phát hành bản thử nghiệm cho nhà phát triển
• Triển khai dần cho người dùng Gemini desktop

Hiện vẫn chưa rõ liệu các tính năng này có yêu cầu gói Gemini Advanced hoặc Google One AI hay không.

Cuộc cạnh tranh trong kỷ nguyên AI agent

Nếu những nâng cấp này được triển khai, Gemini sẽ tiến gần hơn đến nhóm AI agent có thể sử dụng máy tính.

Thay vì chỉ trả lời câu hỏi, AI có thể:

• Quan sát nội dung trên màn hình
• Tương tác với file và ứng dụng
• Hỗ trợ lập trình
• Tạo nội dung đa phương tiện như video

Một số báo cáo thậm chí mô tả các tính năng này như phản ứng của Google trước các đối thủ đang thử nghiệm AI điều khiển phần mềm trực tiếp, chẳng hạn các agent mới trên thị trường.

Những lo ngại về quyền riêng tư và an toàn

AI agent trên desktop cũng đặt ra nhiều câu hỏi mới về bảo mật.

Một trợ lý có thể đọc màn hình hoặc sắp xếp file có thể cần quyền truy cập vào:

• Thư mục và tài liệu cục bộ
• Nội dung hiển thị trên màn hình
• Trạng thái ứng dụng và quyền Accessibility

Những quyền này có thể tiềm ẩn rủi ro nếu hệ thống xử lý dữ liệu nhạy cảm hoặc hiểu sai lệnh trong quá trình tự động hóa.

Hiện Google vẫn chưa công bố chi tiết về mô hình quyền truy cập, kiểm soát hoặc cơ chế bảo vệ cho các tính năng bị rò rỉ.

Điều gì đã được xác nhận và điều gì vẫn là tin rò rỉ?

Những điều chắc chắn hiện nay:

• Google đã phát hành ứng dụng Gemini cho macOS vào tháng 4/2026 với khả năng chia sẻ màn hình và phím tắt toàn hệ thống.
• Google I/O 2026 sẽ diễn ra vào 19–20/5 và tập trung mạnh vào AI và Gemini.

Trong khi đó, nhiều tính năng được bàn luận rộng rãi — như Gemini Spark, giao diện Chat/Agent, Gemini Live hiểu màn hình, Stream to Cursor và Veo4 Omni — chủ yếu dựa trên thông tin rò rỉ và phân tích build ban đầu.

Liệu chúng có xuất hiện đúng như mô tả hay chỉ là thử nghiệm nội bộ sẽ rõ ràng hơn khi Google chính thức công bố các cập nhật Gemini tiếp theo.