Gemini 3.5 Flash 内置计算机使用功能
来自 Google DeepMind · 期号 2026-06-25
摘要
计算机使用功能现在作为内置工具集成到 Gemini 3.5 Flash 中。此前它只是一个独立的模型，现在开发者可以直接用它构建能在浏览器、移动端和桌面环境中观察、推理并执行操作的 agent。 集成后，在持续软件测试、跨应用知识工作这类长周期和企业自动化任务上表现更优。 为降低实时环境中的提示注入风险，Google 采用了针对性对抗训练，并提供了两个可选的企业级安全机制：要求用户确认敏感操作，以及自动停止检测到间接提示注入的任务。
深读
导读 Google DeepMind 将计算机使用（computer use）功能作为内置工具直接集成到 Gemini 3.5 Flash 主模型中，开发者现在可以用单一 API 构建能跨浏览器、桌面和移动端观察、推理并执行操作的 agent。这一变化从架构上简化了 agent 开发，并在长周期任务和企业自动化场景中带来了性能提升，值得关注 agent 落地的从业者了解。 关键信息 - 计算机使用功能此前以独立的 Gemini 2.5 模型形式提供，现在原生集成到 Gemini 3.5 Flash 主模型中，与函数调用、Search 和 Maps grounding 等内置工具并列。 - 该功能通过 Gemini API 和 Gemini Enterprise Agent Platform 开放给开发者和企业使用。 - 针对 agent 在真实环境中面临的提示注入风险，Google 采用了针对性对抗训练，并推出两项可选的企业级防护：要求用户确认敏感或不可逆操作、自动停止检测到的间接提示注入任务。 - Google 建议开发者采用深度防御策略，将上述防护与沙箱、人工审核和严格访问控制结合使用。 逐节讲解 计算机使用成为内置工具 此前，计算机使用能力需要调用一个独立的 Gemini 2.5 模型，开发者需要额外管理一个模型端点。现在该能力被直接集成到 Gemini 3.5 Flash 主模型中，成为与函数调用、Search 和 Maps grounding 并列的内置工具。这意味着开发者只需通过一个模型 API 就能让 agent 具备观察屏幕、推理上下文并执行点击、输入等操作的能力，覆盖浏览器、桌面和移动端环境。Google 称这是当前在 agent 计算机使用任务上表现最好的版本。 企业级安全防护 agent 在真实环境中操作时面临的主要风险是提示注入，攻击者可能通过网页内容或外部输入诱导 agent 执行非预期操作。Google 为此做了两件事：第一，在训练阶段对模型进行针对性的对抗训练，提升模型对恶意指令的抵抗力；第二，推出两个可选的企业级防护机制，要求用户对敏感或不可逆操作进行确认，以及自动停止被识别为间接提示注入的任务。Google 强调这些措施应作为深度防御策略的一部分，与沙箱隔离、人工审核和访问控制配合使用。 客户案例与上手路径 文章提到已有客户从该功能中获得价值，并引用了部分客户评价（原文未展开具体内容）。开发者可以通过 Browserbase 提供的 demo 环境在线测试，或直接查阅 Gemini API 和 Gemini Enterprise Agent Platform 上的参考实现与文档开始构建。 值得注意 文章没有提供任何性能基准数据或与独立模型版本的具体对比结果，仅声称“最佳表现”。对于计算机使用功能在复杂任务中的成功率、延迟、t…