GenAI正式开始流血竞争
6月25日一大早，Google正式发布开源命令行AI Coding编程工具：Gemini CLI。
先不说惊掉市场下巴的免费之举，先来看看怎么评价这款工具？
- 你可以直接理解为这是开源版的Claude Code，跟OpenAI的Codex CLI以及国内创企知道创宇的AiPy本质上也没有区别。后两者也开源。Google和OpenAI用的是Apache 2.0开源协议，AiPy用的是GPL 3.0协议。
产品能力上，Gemini CLI几乎除了Veo视频生成模型不支持之外，包括图片、音频等几乎旗下所有AI能力都放了进去。支持grep本地文件数据检索、terminal终端系统级能力调用、file read 和 file write文件读写，还有独霸世界的Google Search搜索集成，连MCP协议都支持。反倒自家的A2A协议尚未明确当下是否支持。
预计很快也会打通Veo视频生成模型，毕竟Veo 2早就可以免费生成8秒视频。这么多能力加持下，用户可以直接给Gemini CLI发一张手绘应用结构图，然后直接生成完整可用的服务页面。
实际上，这么多能力很难一步到位做到无缝集成，Google用了极为复杂的方案完成了功能实现。比如直接让Gemini CLI与自家的AI编码助手Gemini Code Assist进行集成。
用户体验环节也让人一头雾水，直接提供了Standard标准账号登录、API Key、Workspace、Vertex AI四种用户身份验证方式。验证方式越多，就越容易出错，每种方式都有自己的bug。X上大量用户吐槽身份验证出现问题。
可以看出，Google这次发布有些仓促。只是简单将功能集成进来，就赶紧发布。
- 一方面，Gemini CLI是开源产品，开源当然要借助市场的力量帮自己捉bug，快速迭代便于赶超竞争对手。
- 另一方面，有bug也能帮助Google在前期控制算力成本投入，把市场炒热。
Google在GenAI大模型方面的策略，一直是培养中小乃至于个人开发者，从最早的Google Cloud的Colab提供免费算力，培养普通用户学习开发AI服务，到最近的Vertex AI的一站式AI开发、A2A这样吞下Guardrails甚至是AgentQ这种智能体开发技术的协议，再到现在的Gemini CLI。面向大众的各种产品能力都不成熟，多数只能用来个人开发者学习。但是饼画得一个比一个大。
Google这种动不动就免费的策略，落实到一线生产应用，实用性到底如何，当下还无法直接评判。但是利用自己覆盖全球的基础设施能力和号召力，培养AI开发生态，确实是有价值的。
是的，这次Gemini CLI也是推出了让人大跌眼镜的免费策略。Gemini CLI面向个人开发者，直接提供每分钟60个、每天1000个免费的模型请求。这个免费额度赶上了Claude Code Max会员每月200美金的订阅服务。
豪言放出来了，至于服务质量能否用于实际生产环境？还需要验证。
即便如此，还是让Anthropic很难受，大量用户表示不会再订阅甚至是要退订Claude会员服务。Anthropic哭晕在厕所。
Anthropic也立马给出回击，6月25日发布了Claude Code新功能：直接生成应用。
前一段时间Claude 4系列模型以及Claude Code发布后，Anthropic着手停止与Windsurf的API合作，谁知道螳螂捕蝉黄雀在后，现在也被Google用算力碾压。
AI Coding市场的白热化竞争可见一斑。
Google现在各种让人感觉刺激操作的背后，也是GenAI大模型市场即将进入奇点时刻的验证。
今年GenAI大模型开发技术接连获得突破，AI Agent也分化出了Agentic AI，从自主智能体走向AI助理，智能体实用性和开发周期也取得突破。围绕着智能体开发的创投也开始火爆起来。
这些进展，Anthropic居功甚伟。对比下来，Google Gemini们的地位就显得尴尬。此前Gemini 2.5 Pro突击提高了编程能力。现在Gemini CLI仓促发车，开源加上算力免费，可见市场已经进入到奇点时刻。
不止如此，此前OpenAI Codex编程智能体发布，实现直连Github，业内就惊呼大模型通过自动部署Github上丰富的软件服务，可以标准化地获取现实世界数据以及对应的功能，从而实现自主学习。由此，大模型就可以实现此前AlphaGo级别的左右手互搏，无需人类经验进行自主学习。
如此一来，AI正式从人类数据时代，进入到经验时代。
Google DeepMind研究科学家Jon Richens及其团队在ICML 2025上发表的论文，给出明确结论：AI Agent智能体就是世界模型。
而AI Coding就是连接现实世界最为高效的智能体，是通往自主学习、AGI的明确路径。
Google现在的操作，也可以视为通过自己的算力资源和体量优势，进行孤注一掷式的血洗式竞争，卡位即将到来的自主学习和经验时代。