Google wprowadza funkcję computer use do Gemini 3.5 Flash

Google wprowadza funkcję kontroli komputera bezpośrednio do modelu Gemini 3.5 Flash, umożliwiając tworzenie agentów AI zdolnych do interakcji z różnymi platformami. Wcześniej dostępna jedynie jako osobny model Gemini 2.5, funkcjonalność computer use została teraz zintegrowana natywnie z głównym modelem Flash.

Nowa implementacja pozwala deweloperom budować niestandardowych agentów, którzy potrafią widzieć, rozumować i podejmować działania w środowiskach przeglądarkowych, mobilnych i desktopowych. To znaczący krok w rozwoju autonomicznych systemów AI zdolnych do wykonywania złożonych zadań automatyzacyjnych.

Kluczowe wnioski

• Gemini 3.5 Flash otrzymał wbudowaną funkcję computer use, wcześniej dostępną tylko jako osobny model Gemini 2.5.
• Deweloperzy mogą teraz tworzyć agentów AI zdolnych do interakcji z przeglądarkami, aplikacjami mobilnymi i środowiskami desktop.
• Google wprowadził specjalne systemy zabezpieczeń, w tym szkolenie przeciwko atakom prompt injection i opcjonalne mechanizmy weryfikacji.
• Funkcjonalność jest dostępna przez Gemini API oraz platformę Gemini Enterprise Agent Platform.
• Rozwiązanie ma szczególne zastosowanie w długoterminowej automatyzacji i testowaniu oprogramowania.

Możliwości i zastosowania

Gemini 3.5 Flash z funkcją computer use otwiera nowe możliwości dla automatyzacji procesów biznesowych. Model potrafi analizować interfejsy użytkownika, jak pokazano w przykładzie z audytem dokumentacji pod kątem dostępności czy kategoryzacją funkcji aplikacji Gemini.

Szczególną wartość rozwiązanie ma dla przedsiębiorstw prowadzących długoterminowe procesy automatyzacji, ciągłe testowanie oprogramowania oraz pracę z wieloma aplikacjami biznesowymi. Dzięki natywnej integracji z modelem Flash, deweloperzy zyskują dostęp do zaawansowanych możliwości rozumowania i podejmowania działań bez konieczności używania osobnych modeli specjalistycznych.

Bezpieczeństwo i zabezpieczenia

Google wprowadził szereg mechanizmów bezpieczeństwa w odpowiedzi na potencjalne zagrożenia związane z agentami działającymi w rzeczywistych środowiskach. Firma zastosowała ukierunkowane szkolenie adversarialne, aby zmniejszyć ryzyko ataków prompt injection.

Dodatkowo dostępne są dwa opcjonalne systemy zabezpieczeń dla przedsiębiorstw: wymaganie jawnej zgody użytkownika na działania wrażliwe lub nieodwracalne oraz automatyczne zatrzymywanie zadań w przypadku wykrycia pośredniego ataku prompt injection. Google zaleca podejście „defense-in-depth”, łączące te funkcje z bezpiecznym środowiskiem testowym, weryfikacją przez człowieka i ścisłą kontrolą dostępu.

Deweloperzy mogą już dziś rozpocząć pracę z nową funkcjonalnością przez demonstracyjne środowisko hostowane przez Browserbase lub bezpośrednio przez dokumentację i implementację referencyjną dostępną w Gemini API.