2026年6月谷歌正式推送Chrome 149浏览器版本，原生深度集成Gemini 3.5 Flash大模型，上线「从屏幕选择」交互功能，用户可直接框选网页局部文本、图片内容发起AI定向对话，无需切换工具或全局上传内容，浏览场景下AI交互精准度、效率均有显著提升，是桌面端浏览器AI原生能力落地的重要进展。
不少用户在浏览网页时都遇到过类似场景：遇到看不懂的专业公式、想分析的局部设计图，或是需要翻译的外文段落，要么得手动截图上传到AI工具，要么复制文本切换对话窗口，来回跳转十分繁琐。而谷歌最新的Chrome版本更新，直接把这个多步操作压缩到了两步之内。
根据谷歌官方更新说明，用户开启Chrome侧边栏的Gemini功能后，点击「从屏幕选择」按钮，光标即可变为选区状态，自由勾勒网页内任意区域的文本、图像内容，被选中的内容会自动作为上下文附件加载到Gemini的输入框中，用户输入问题就能直接获得针对该局部内容的回答。
全程无需离开当前浏览页面，也不会像传统网页搜索那样跳转到结果列表页。该操作逻辑和用户熟悉的Google Lens有相似之处，但核心差异在于无需跳转搜索，直接落地对话式交互，精准度远高于此前的全网页AI分析功能——后者经常会混入页面广告、侧边栏推荐等无关内容干扰AI判断。
这次功能落地的核心前提，是Gemini 3.5 Flash的多模态能力和低延迟特性。作为谷歌面向端侧场景优化的轻量级大模型，Gemini 3.5 Flash兼顾图像、文本理解能力和响应速度，原生集成在Chrome内核中后，用户框选内容的识别、上传、上下文拼接全流程平均耗时不到1秒，比手动截图上传到第三方AI工具的流程缩短了70%以上，几乎不会打断用户的正常浏览节奏。
目前该功能已经对全球所有Chrome 149用户开放，支持包括中文在内的100余种语言的内容识别和对话。
近年来，桌面浏览器已经成为科技巨头布局C端AI入口的核心赛道，微软Edge早早就将Copilot原生集成到浏览器功能中，国内多家厂商也推出了自带AI对话能力的浏览器产品。此前各家的AI功能大多集中在全网页总结、翻译等通用场景，而谷歌此次推出的局部框选交互，把AI能力的颗粒度细化到了网页的任意局部内容，本质是在降低用户调用AI的门槛——从“需要主动打开AI工具”变成“浏览过程中随时可以唤起”。
后续谷歌还计划开放相关API，允许第三方网页开发者调用该框选交互能力，为用户提供定制化的AI服务，比如电商场景下框选商品即可触发AI比价，教育场景下框选知识点即可生成配套练习题等。从全网页交互到局部框选交互，浏览器的AI原生能力正在不断贴近用户的真实使用场景，接下来随着端侧大模型性能的进一步提升，类似的轻量AI交互功能大概率会成为桌面端软件的标配。
本文基于公开信息分析整理，仅供参考。更多AI工具动态与行业解读，请持续关注本站更新。
滇公网安备 53252802528133号