Gemini 3.5 Flash 获得计算机控制能力

Gemini 3.5 Flash 中的计算机使用现已成为内置工具，用于构建能够跨平台交互的 agent。

Google DeepMind 产品经理

计算机使用现已成为 Gemini 3.5 Flash 支持的内置工具，为 agent 计算机使用任务提供了迄今最佳性能。此前它仅作为独立的 Gemini 2.5 计算机使用模型提供，现在已原生集成到主要的 Gemini Flash 模型中。Gemini 已经在函数调用以及使用内置工具（如 Search 和 Maps grounding）方面表现出色。借助内置的计算机使用能力，开发者现在可以使用 3.5 Flash 来可靠地构建自定义 agent，这些 agent 能够在浏览器、移动设备和桌面环境中进行观察、推理和采取行动。这为长期目标的任务和企业自动化任务（如持续软件测试和专业应用程序中的知识工作）带来了性能提升。

开发者和企业可以通过 Gemini API 和 Gemini Enterprise Agent Platform 开始使用 3.5 Flash 中的计算机使用功能。

3.5 Flash 使用计算机使用功能分析 Gemini 应用程序并返回分类特性列表。

配备计算机使用功能的 3.5 Flash 对其自身文档进行可访问性问题审计。

在 3.5 Flash 中确保计算机使用的安全性

为了缓解在实时环境中运行的 agent 所面临的一些提示注入风险，我们对 Gemini 3.5 Flash 中的计算机使用功能采用了有针对性的对抗性训练。我们还发布了两个可选的企业安全保障系统，使企业能够：

• 要求对敏感或不可逆的操作进行明确的用户确认。

• 如果检测到间接提示注入，自动停止任务。

采用"纵深防御"方法，我们建议开发者将这些功能与安全沙箱、人工参与的验证和严格的访问控制相结合。有关安全措施的详细信息可在我们的最佳实践文档中找到。

我们已经看到客户通过计算机使用功能实现价值。以下是其中一些客户的看法：

开始使用计算机使用功能

• 立即尝试：在 Browserbase 托管的演示环境中测试功能。

• 开始构建：通过 Gemini API 和 Gemini Enterprise Agent Platform 深入了解我们的参考实现和文档。