Computer use in Gemini 3.5 Flash

摘要

这篇文章介绍 Google DeepMind 在 Gemini 3.5 Flash 中内置了 computer use 能力，不再作为独立模型，而是直接集成到主模型中。该能力让开发者可以构建能跨浏览器、移动端和桌面环境进行感知、推理并执行操作的智能代理，用于长周期任务与企业自动化场景（如持续测试、知识工作流）。同时提供通过 Gemini API 与 Enterprise Agent Platform 使用的方式。安全方面引入对抗训练，并提供可选企业防护：对敏感 / 不可逆操作要求用户确认、以及检测到间接 prompt injection 时自动中止任务，并建议结合沙箱与人类审核等防护措施。还提供 demo 环境与参考实现供开发者体验与构建。