谷歌宣布，其高性能模型 Gemini 3.5 Flash 已原生集成 “计算机使用”（Computer Use） 功能。这一重大升级标志着 Gemini 平台从单纯的文本/多模态交互，迈向了能够直接在浏览器、移动设备和桌面环境中执行复杂操作的全新阶段。此前，该能力仅限于独立的 Gemini 2.5 计算机使用模型，如今已无缝融入最新的 Flash 版本，并通过 Gemini API 和 Gemini Enterprise Agent Platform 向开发者和企业用户开放。
核心突破：跨环境的观察、推理与操作
Gemini 3.5 Flash 的“计算机使用”功能赋予了自定义智能体以下关键能力：
- 全环境支持：智能体可以在 Web 浏览器、移动端应用以及桌面软件中进行界面观察、逻辑推理并执行点击、输入等操作。
- 复杂任务自动化：支持持续性的软件测试、数据录入、跨应用工作流编排等企业级知识工作任务。
- 高性能底座：依托 Gemini 3.5 Flash 的高吞吐量和低延迟特性，智能体能够更快速地响应环境变化，提升自动化效率。
安全至上：内置防御与企业级控制
鉴于“计算机使用”涉及对真实系统的直接操控，谷歌 在 Gemini 3.5 Flash 中构建了严密的安全防线：
- 对抗性训练：模型经过专门训练，以抵御提示注入（Prompt Injection）等恶意攻击，防止智能体被诱导执行非预期操作。
- 双重企业安全系统：
- 明确确认机制：对于敏感操作（如删除文件、转账等），系统强制要求用户进行明确确认后方可执行。
- 风险中止机制：一旦检测到间接提示注入或高风险行为，系统将立即中止任务，防止损失扩大。
- 最佳实践建议：谷歌建议企业将此功能与沙箱环境、人工介入验证（Human-in-the-loop）以及严格的访问控制策略结合使用，以构建零信任的自动化工作流。
重塑企业自动化格局
此次更新体现了谷歌对企业客户在安全性、灵活性和多环境支持方面需求的深刻洞察。通过将“计算机使用”能力原生集成到主力模型 Gemini 3.5 Flash 中，谷歌正在降低开发者构建高级智能体的门槛，并加速 AI 驱动自动化在生产环境中的落地。
早期采用者已经报告了显著的价值提升，特别是在需要跨多个应用程序协调操作的复杂场景中。随着该功能的普及，预计将在软件测试、客户服务、财务处理等领域引发新一轮的效率革命。
© 版权声明
文章版权归作者所有，未经允许请勿转载。
