A Google június 24-én jelentette be, hogy a számítógép-vezérlés (computer use) mostantól natívan a Gemini 3.5 Flash modell része. A funkcióval a modell képes látni a képernyőt, értelmezni a helyzetet, és önállóan műveleteket végrehajtani a különböző szoftverfelületeken.
Egy modell, több platform
Korábban a képességet csak külön, önálló Gemini 2.5 computer model kínálta. Az új megközelítésben a computer use a gemini-3.5-flash beépített funkciója lett, a függvényhívás, a Google Search-alapú megalapozás és a Maps mellett. Így egyetlen ágens vált- és modellváltás nélkül dolgozhat böngészőben, mobilon és asztali környezetben egyaránt.
A tipikus felhasználási területek közé tartozik a folyamatos szoftvertesztelés, a tudásmunka automatizálása és a hosszabb, több lépéses vállalati feladatok elvégzése professzionális alkalmazásokban.
Biztonság az első helyen
A Google célzott, ellenséges (adversarial) tréninggel edzette a modellt, és két opcionális, vállalati szintű védelmi rendszert is kiad. Ezekkel a cégek kötelezővé tehetik a felhasználói megerősítést az érzékeny vagy visszafordíthatatlan műveletek előtt, illetve automatikusan leállíthatják a feladatot, ha közvetett prompt-injekciós támadást észlelnek.
Elérhetőség
A funkció nyilvános előzetesként érhető el a fejlesztők számára a Gemini API-n és a Gemini Enterprise Agent Platform keretében.
Forrás: Google – Introducing computer use in Gemini 3.5 Flash