Google вгради 'computer use' направо в Gemini 3.5 Flash. Агентът вижда екрана, разсъждава и кликва - в браузър, на мобилно, на десктоп. Не отделен продукт. Част от модела.
- Google вгради computer use директно в Gemini 3.5 Flash (24 юни): агентът вижда, разсъждава и кликва сам.
- Работи в браузър, мобилни и десктоп среди; насочено към дълги, многостъпкови задачи.
- Защити: обучение срещу злоупотреба, потвърждение при чувствителни действия и детекция на prompt injection.
Агентът гледа екрана ти и кликва вместо теб. Google вгради 'computer use' направо в Gemini 3.5 Flash - вижда интерфейса, разсъждава и действа в браузър, на мобилно и на десктоп.
Тук виждам същата линия като при OpenAI и Anthropic - моделът спира да чака да го попиташ и започва да върши стъпки сам. Google добавя нещо важно отгоре - предпазители за чувствителните действия и защита срещу инжектиране на команди.
Способността агентът да кликва вместо теб е лесната част. Трудната е да сложиш спирачки на правилните места. Че двете идват заедно тук, а не закърпени после, е причината да го пусна на истински браузър. При другите още бих изчакал.
Агент, който действа сам на екрана, на практика иска allowlist, потвърждение при чувствителни действия, логове и sandbox, не сляпо доверие.