谷歌昨日对其人工智能生态系统进行重大升级，正式将原生的“计算机使用”工具直接集成至Gemini 3.5 Flash模型中，全面取代此前的Gemini 2.5测试框架。这一举措标志着人工智能正从单纯的“对话者”加速演变为具备实际执行能力的“数字同事”，推动AI代理从概念走向落地。
通过Gemini API，开发者现可利用该模型的原生能力构建智能代理，这些代理不再依赖复杂的底层代码编写，而是像人类用户一样，通过感知和理解屏幕截图等视觉信息直观地导航应用程序，进而自动执行各种复杂桌面任务。这在办公自动化、软件测试及跨平台数据处理等场景中展现出巨大潜能，包括自动化浏览网站、填写长表单、点击界面按钮，以及高效处理桌面、移动和浏览器环境中的重复性数据收集工作。
为加速生态构建，谷歌已在Browserbase上开设实时演示空间，供开发者立即测试相关功能。面对赋予AI鼠标和键盘控制权所带来的安全挑战，如间接指令注入风险，谷歌强调已采取对抗训练来增强模型防御能力，同时推出两款企业级安全系统——允许企业设置软件，要求AI在执行敏感操作前获得人工批准，以及在检测到潜在攻击时自动冻结任务，多维度保障用户桌面安全。配合模型升级，谷歌同日发布Chrome 149稳定版，引入“从屏幕中选择”功能，用户可通过拖拽框选当前标签页中的图像或文本，瞬间将其添加为Gemini的提示语。
谷歌此次将原生工具集成至Gemini，不仅深化了AI与操作系统的结合，也预示着行业正从追求大模型参数规模转向实际的任务执行能力。
原创文章，作者：Google，如若转载，请注明出处：https://www.kejixun.co/article/756128.html
