在 Gemini 3.5 Flash 中引入计算机使用功能

摘要

Google DeepMind 在其 Gemini 3.5 Flash 模型中引入了一项名为“计算机使用”的新功能。该功能使 AI 能够直接控制桌面界面，从而自主执行点击按钮、填写表单和导航应用程序等任务。此举标志着向更实用、更具交互性的 AI 代理迈出了重要一步。

重要性

AI 模型中的计算机使用功能弥合了语言理解与现实世界行动之间的差距。通过允许 AI 与现有软件界面交互，它为自动化重复工作流程、协助用户完成复杂的多步骤任务以及将 AI 集成到日常桌面环境中开辟了可能性，而无需自定义 API 集成。这可能会改变生产力工具、客户支持和个人助手。

相关工具

• AI 代理
• 桌面自动化工具
• Gemini 模型

对 AI 工具/模型的影响

这一发展将 AI 的能力前沿从文本和图像生成推进到直接的环境交互。它可能会激励其他 AI 提供商添加类似功能，从而催生一类新的“代理型”AI 工具。对于开发者而言，这意味着可以构建利用 AI 执行基于 GUI 任务的应用程序，从而可能减少对专门自动化脚本的需求。然而，当 AI 直接访问用户界面时，也引发了关于安全性、控制和意外操作的担忧。

关注要点

• AI 新闻 了解 Gemini 3.5 Flash 的推出和安全措施更新。
• AI 代理 了解具有类似功能的竞品。
• 桌面自动化工具 了解集成可能性。

常见问题

Gemini 3.5 Flash 中的计算机使用功能是什么？ 它允许 AI 控制桌面界面以自动化任务。

谁开发了这一功能？ Google DeepMind。

它可以执行哪些任务？ 点击按钮、填写表单和导航应用程序。