Google DeepMind telah menjadikan penggunaan komputer sebagai alat terbina dalam dalam Gemini 3.5 Flash, memberikan pembangun cara asli untuk membina ejen AI yang boleh berinteraksi dengan perisian merentas platform tanpa menggunakan rangka kerja pihak ketiga.

Pengumuman yang diterbitkan pada 24 Jun 2026 di blog Kata Kunci rasmi Google, meletakkan Gemini 3.5 Flash sebagai pesaing dalam pasaran yang bergerak pantas untuk ejen yang boleh melihat skrin, menggerakkan kursor, klik dan taip — keupayaan yang sehingga baru-baru ini memerlukan kejuruteraan tersuai yang penting. For more context on this story, see our ongoing latest AI developments.

"Penggunaan komputer kini merupakan alat terbina dalam Gemini 3.5 Flash untuk membina ejen yang boleh berinteraksi merentas platform, " tulis syarikat itu. Siaran itu dikarang oleh Mateo Quiros, pengurus produk di Google DeepMind.

Cara Ia Berfungsi

Penggunaan komputer membolehkan model mengendalikan komputer seperti yang dilakukan manusia: dengan mentafsir perkara yang ada pada skrin dan mengambil tindakan seperti mengklik, menatal dan memasukkan teks. Dengan membakar keupayaan terus ke dalam Gemini 3.5 Flash dan bukannya menawarkannya sebagai produk yang berasingan, Google mengurangkan halangan untuk pembangun yang ingin membina ejen yang menavigasi aplikasi, tapak web dan sistem pengendalian sebenar.

Menurut catatan blog itu, pembangun dan perusahaan boleh mula menggunakan penggunaan komputer dalam 3.5 Flash melalui API Gemini dan Platform Ejen Perusahaan Gemini, persekitaran khusus Google untuk membina dan menggunakan ejen secara berskala.

Google menunjukkan keupayaan dengan kes penggunaan konkrit. Dalam satu contoh, Gemini 3.5 Flash menggunakan penggunaan komputer untuk menganalisis apl Gemini itu sendiri dan mengembalikan senarai ciri yang dikategorikan. Dalam satu lagi, model itu mengaudit dokumentasinya sendiri untuk isu kebolehaksesan - tugas rujukan sendiri yang membayangkan bagaimana ejen yang menggunakan komputer suatu hari nanti boleh membantu mengekalkan ekosistem perisian yang mereka jalankan.

Keselamatan: Latihan Adversarial dan Pendekatan 'Pertahanan Mendalam'

Bahagian yang paling penting dalam keluaran itu mungkin perkara yang dikatakan oleh Google tentang keselamatan. Ejen yang beroperasi dalam persekitaran langsung secara unik terdedah kepada suntikan segera — serangan di mana arahan tersembunyi dibenamkan dalam halaman web, e-mel atau dokumen merampas ejen untuk mengambil tindakan yang tidak diingini.

Google berkata ia menggunakan latihan lawan yang disasarkan untuk penggunaan komputer dalam Gemini 3.5 Flash untuk mengurangkan risiko tersebut. Ia juga mengeluarkan dua sistem perlindungan perusahaan pilihan yang dikatakan syarikat itu membolehkan organisasi mengawal dengan lebih baik perkara yang boleh dilakukan oleh ejen mereka.

Mengambil pendekatan "mendalam-pertahanan", Google menggalakkan pembangun untuk menggabungkan ciri ini dengan kotak pasir yang selamat, pengesahan manusia dalam gelung dan kawalan akses yang ketat. Syarikat itu menerbitkan panduan tambahan dalam dokumentasi amalan terbaiknya untuk ciri tersebut.

Pembingkaian itu penting. Penggunaan komputer secara meluas dilihat sebagai salah satu keupayaan ejen yang lebih berbahaya untuk digunakan, kerana ejen yang terjejas boleh mengambil tindakan dunia sebenar di dalam akaun dan sistem pengguna. Dengan memimpin dengan latihan lawan dan perlindungan berlapis, Google cuba meyakinkan pembeli perusahaan yang teragak-agak untuk menyerahkan kawalan kursor kepada AI.

Mengapa Penggunaan Komputer Menjadi Medan Pertempuran

Penggunaan komputer Gemini 3.5 Flash tiba ketika makmal AI utama berlumba-lumba untuk membuat ejen yang boleh melakukan kerja yang berguna dan bukannya hanya menjawab soalan. Anthropic memperkenalkan alat penggunaan komputer untuk Claude pada akhir 2024, dan produk pengendali dan ejen OpenAI telah bergerak ke arah yang sama. Menjadikan keupayaan asli kepada model yang pantas dan menjimatkan kos seperti Flash — dan bukannya menempahnya untuk peringkat premium — menandakan bahawa Google mahu mengkomoditi kawalan ejen dengan cepat.

Pilihan Flash itu sendiri ketara. Flash ialah model peringkat kecekapan Google, dioptimumkan untuk kelajuan dan kos. Membenamkan penggunaan komputer di sana, dan bukannya hanya dalam model Pro yang lebih besar, mencadangkan Google menjangkakan beban kerja ejen kelantangan tinggi dan sensitif kependaman — jenis yang mengautomasikan tugasan berulang merentas perisian perniagaan secara berskala.

Google berkata ia sudah melihat pelanggan memacu nilai dengan penggunaan komputer, walaupun catatan blog itu tidak menamakan penggunaan komersial tertentu atau mengukur hasilnya.

Kepentingan Persaingan

Bagi pembangun, daya tarikan alat penggunaan komputer terbina dalam adalah mudah: penyepaduan yang lebih sedikit untuk dikekalkan dan vendor tunggal bertanggungjawab untuk kedua-dua model dan lapisan agen. Tetapi ia juga memperdalam pergantungan pada platform Google, satu pertukaran yang akan diambil kira oleh perusahaan terhadap fleksibiliti rangka kerja ejen model-agnostik.

Keluaran itu juga mempertajam ketegangan yang lebih luas dalam ekonomi ejen. Gerbang ejen sumber terbuka yang dibangunkan secara bebas, seperti rangka kerja Lightport yang menjadikan berbilang penyedia LLM serasi OpenAI, menunjukkan jumlah permintaan yang wujud untuk infrastruktur ejen mudah alih. Pertaruhan Google ialah alat penggunaan komputer pihak pertama yang dikeraskan keselamatan akan memenangi pemaju yang sebaliknya akan mencantumkan alat pihak ketiga. Apabila model memperoleh keupayaan untuk bertindak pada skrin, garisan antara pembantu AI dan pengendali autonomi terus kabur — dan begitu juga garisan antara kejayaan produktiviti dan liabiliti keselamatan. Jawapan Google untuk ketegangan itu ialah perlindungan berlapis dan latihan lawan. Sama ada itu cukup untuk memuaskan perusahaan yang mengelak risiko akan menentukan seberapa cepat ejen yang menggunakan komputer beralih daripada tunjuk cara kepada penggunaan harian.

Dengan Gemini 3.5 Flash, Google telah membuat pertaruhan yang jelas: masa depan AI bukan hanya model yang menjawab, tetapi model yang bertindak — dan ia mahu pembangun membina model lakonan tersebut pada platformnya.

---

Stay Ahead of AI

Get the latest AI news, analysis, and breakthroughs — all in one place.

Read more AI news →