【GOOGLE】Gemini 3.5 Flash 内建 Computer Use

Google 将原为独立模型的“computer use”能力整合到 Gemini 3.5 Flash，使模型能在浏览器、移动与桌面环境中观察、推理并执行跨平台操作，提升长期任务与企业自动化场景的表现；开发者可通过 Gemini API 与 Enterprise Agent Platform 使用该能力。为了降低现场运行时的提示注入风险，Google 引入对抗性训练并提供两项企业可选防护措施，同时建议配合沙箱、人工审查与严格权限控制。

概述
– 将原先独立的 Gemini 2.5 computer use 能力原生并入 Gemini 3.5 Flash。
– 目标：支持构建能在浏览器、手机与桌面中“看、推理并执行”的自定义 agent，增强长期/企业级自动化能力（如持续软件测试、跨应用知识工作）。

可用性
– 开发者与企业可通过 Gemini API 和 Gemini Enterprise Agent Platform 访问。
– Google 提供基于 demo（Browserbase）的测试环境和参考实现与文档链接以加速上手。

安全与防护
– 使用针对性的对抗性训练以降低提示注入（prompt injection）风险。
– 提供两项企业可选的保障系统：
– 要求对敏感或不可逆操作进行显式用户确认。
– 若检测到间接提示注入则自动终止任务。
– 建议采用“纵深防御”：结合安全沙箱、人类审查与严格存取控制；更多细节见最佳实践文档。

应用场景与客户反馈
– 适合长周期自动化、企业级测试、跨应用知识工作等需要在真实环境中操作的任务。
– 文中提及已有客户开始将该能力投入使用并产生价值（原文引用客户简短反馈）。

如何开始
– 试用：Browserbase 托管的 demo 环境。
– 开发：查看 Gemini API 与 Enterprise Agent Platform 的参考实现与文档。

把 computer use 合入主流 Flash 模型能显著降低集成门槛，但现实部署仍需重视沙箱与人为把关。

原文链接