Google DeepMind đã biến việc sử dụng máy tính thành một công cụ tích hợp bên trong Gemini 3.5 Flash, cung cấp cho các nhà phát triển một cách nguyên bản để xây dựng các tác nhân AI có thể tương tác với phần mềm trên nhiều nền tảng mà không cần dựa vào khung của bên thứ ba.

Thông báo được xuất bản vào ngày 24 tháng 6 năm 2026 trên blog Từ khóa chính thức của Google, coi Gemini 3.5 Flash là đối thủ trong thị trường đang phát triển nhanh chóng dành cho các đại lý có thể nhìn thấy màn hình, di chuyển con trỏ, nhấp chuột và nhập — những khả năng mà cho đến gần đây vẫn yêu cầu kỹ thuật tùy chỉnh đáng kể. For more context on this story, see our ongoing breaking AI news.

Công ty viết: “Việc sử dụng máy tính hiện là một công cụ tích hợp trong Gemini 3.5 Flash để xây dựng các tác nhân có thể tương tác trên nhiều nền tảng”. Bài đăng được viết bởi Mateo Quiros, giám đốc sản phẩm tại Google DeepMind.

Nó hoạt động như thế nào

Việc sử dụng máy tính cho phép một mô hình vận hành máy tính giống như con người: bằng cách diễn giải nội dung trên màn hình và thực hiện các hành động như nhấp, cuộn và nhập văn bản. Bằng cách đưa khả năng này trực tiếp vào Gemini 3.5 Flash thay vì cung cấp nó dưới dạng một sản phẩm riêng biệt, Google đang hạ thấp rào cản đối với các nhà phát triển muốn xây dựng các tác nhân điều hướng các ứng dụng, trang web và hệ điều hành thực.

Theo bài đăng trên blog, các nhà phát triển và doanh nghiệp có thể bắt đầu sử dụng máy tính trong 3.5 Flash thông qua API Gemini và Nền tảng đại lý doanh nghiệp Gemini, môi trường dành riêng cho Google để xây dựng và triển khai các đại lý trên quy mô lớn.

Google đã chứng minh khả năng này bằng các trường hợp sử dụng cụ thể. Trong một ví dụ, Gemini 3.5 Flash đã sử dụng việc sử dụng máy tính để phân tích chính ứng dụng Gemini và trả về danh sách các tính năng được phân loại. Trong một trường hợp khác, mô hình này đã kiểm tra tài liệu của chính nó về các vấn đề về khả năng tiếp cận - một nhiệm vụ tự tham chiếu gợi ý về cách một ngày nào đó các tác nhân sử dụng máy tính có thể giúp duy trì hệ sinh thái phần mềm mà chúng chạy trên đó.

An toàn: Huấn luyện đối thủ và cách tiếp cận 'Phòng thủ chuyên sâu'

Phần quan trọng nhất của bản phát hành có thể là những gì Google nói về sự an toàn. Các tác nhân hoạt động trong môi trường trực tiếp rất dễ bị xâm nhập nhanh chóng — các cuộc tấn công trong đó các hướng dẫn ẩn được nhúng trong trang web, email hoặc tài liệu khiến tác nhân thực hiện các hành động ngoài ý muốn.

Google cho biết họ đã sử dụng chương trình đào tạo đối nghịch có mục tiêu đối với việc sử dụng máy tính trong Gemini 3.5 Flash để giảm thiểu những rủi ro đó. Nó cũng đang phát hành hai hệ thống bảo vệ doanh nghiệp tùy chọn mà công ty cho biết sẽ cho phép các tổ chức kiểm soát tốt hơn những gì đại lý của họ có thể làm.

Áp dụng cách tiếp cận "phòng thủ chuyên sâu", Google khuyến khích các nhà phát triển kết hợp các tính năng này với hộp cát an toàn, xác minh con người trong vòng lặp và kiểm soát truy cập nghiêm ngặt. Công ty đã xuất bản hướng dẫn bổ sung trong tài liệu về các phương pháp hay nhất dành cho tính năng này.

Việc đóng khung đó rất quan trọng. Việc sử dụng máy tính được nhiều người coi là một trong những khả năng triển khai tác nhân nguy hiểm hơn vì tác nhân bị xâm nhập có thể thực hiện các hành động trong thế giới thực bên trong tài khoản và hệ thống của người dùng. Bằng cách đi đầu với đào tạo đối nghịch và các biện pháp bảo vệ nhiều lớp, Google đang cố gắng trấn an những người mua doanh nghiệp đang do dự khi trao quyền điều khiển con trỏ cho AI.

Tại sao việc sử dụng máy tính lại trở thành chiến trường

Việc sử dụng máy tính của Gemini 3.5 Flash xuất hiện khi các phòng thí nghiệm AI lớn chạy đua để tạo ra các tác nhân có thể thực hiện công việc hữu ích thay vì chỉ trả lời các câu hỏi. Anthropic đã giới thiệu một công cụ sử dụng máy tính cho Claude vào cuối năm 2024, và các sản phẩm dành cho nhà điều hành và đại lý của OpenAI cũng đi theo hướng tương tự. Việc cung cấp khả năng cho một mô hình nhanh, tiết kiệm chi phí như Flash — thay vì dành nó cho cấp cao cấp — báo hiệu rằng Google muốn nhanh chóng phổ biến hóa quyền kiểm soát tác nhân.

Bản thân sự lựa chọn của Flash là đáng chú ý. Flash là mô hình cấp độ hiệu quả của Google, được tối ưu hóa về tốc độ và chi phí. Việc sử dụng máy tính nhúng ở đó, thay vì chỉ trong mô hình Pro lớn hơn, cho thấy Google mong đợi khối lượng công việc của tác nhân có khối lượng lớn, nhạy cảm với độ trễ - loại tự động hóa các tác vụ lặp đi lặp lại trên phần mềm doanh nghiệp trên quy mô lớn.

Google cho biết họ đã nhận thấy khách hàng tăng giá trị khi sử dụng máy tính, mặc dù bài đăng trên blog không nêu tên các triển khai thương mại cụ thể hoặc định lượng kết quả.

Tiền đặt cược cạnh tranh

Đối với các nhà phát triển, sự hấp dẫn của một công cụ sử dụng máy tính tích hợp rất đơn giản: cần duy trì ít tích hợp hơn và một nhà cung cấp duy nhất chịu trách nhiệm về cả mô hình và lớp tác nhân. Nhưng nó cũng làm tăng thêm sự phụ thuộc vào nền tảng của Google, một sự đánh đổi mà các doanh nghiệp sẽ cân nhắc trước tính linh hoạt của các khung tác nhân bất khả tri theo mô hình.

Việc phát hành cũng làm tăng thêm sự căng thẳng rộng lớn hơn trong nền kinh tế đại lý. Các cổng tác nhân nguồn mở được phát triển độc lập, chẳng hạn như khung Lightport giúp nhiều nhà cung cấp LLM tương thích với OpenAI, cho thấy nhu cầu hiện có đối với cơ sở hạ tầng tác nhân di động là bao nhiêu. Google đặt cược rằng công cụ sử dụng máy tính được tăng cường an toàn, của bên thứ nhất sẽ thu phục được các nhà phát triển, những người sẽ kết hợp các công cụ của bên thứ ba lại với nhau. Khi các mô hình có được khả năng hoạt động trên màn hình, ranh giới giữa trợ lý AI và người vận hành tự động ngày càng mờ nhạt — và ranh giới giữa đột phá về năng suất và trách nhiệm bảo mật cũng vậy. Câu trả lời của Google cho sự căng thẳng đó là các biện pháp bảo vệ theo từng lớp và huấn luyện chống đối. Liệu điều đó có đủ để làm hài lòng các doanh nghiệp ngại rủi ro hay không sẽ quyết định mức độ nhanh chóng mà các tác nhân sử dụng máy tính chuyển từ bản demo sang sử dụng hàng ngày.

Với Gemini 3.5 Flash, Google đã đặt cược rõ ràng: tương lai của AI không chỉ là các mô hình trả lời mà còn là các mô hình hành động - và Google muốn các nhà phát triển xây dựng các mô hình hành động đó trên nền tảng của mình.

---

Stay Ahead of AI

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

Read more AI news →