A számítógép-használat most már beépített funkció a Google Gemini 3.5 Flash-ben
A fejlesztők mostantól egyszerűbben hozzáférhetnek a számítógép-használati képességekhez, mivel a Google integrálta azokat a Gemini 3.5 Flash modellbe.
A számítógép-használat mostantól beépített funkció a Gemini 3.5 Flash-ben, ami a Google szerint a legjobb teljesítményt nyújtja az ügynökök számítógép-használati feladataiban — közölte a Google DeepMind.
Számítógép-használat integrálva a Gemini 3.5 Flash-ben
Korábban csak önálló Gemini 2.5 modellként volt elérhető, de most már natívan integrálva van a fő Gemini Flash modellbe. A beépített számítógép-használati képesség lehetővé teszi a fejlesztők számára, hogy olyan ügynököket hozzanak létre, amelyek képesek látni, érvelni és cselekedni böngészők, mobileszközök és asztali környezetek között.
Kapcsolódó: Gemini 3.1 Flash Live hangélmény
Biztonsági és műveleti fejlesztések
Kapcsolódó: Gemini 3.1 Flash-Lite bevezetése
A Google szerint a beépített számítógép-használat javítja a teljesítményt a hosszú távú és vállalati automatizálási feladatokban, mint például a folyamatos szoftvertesztelés és a tudásmunka automatizálása szakmai alkalmazásokban. A fejlesztők és vállalatok azonnal kezdhetik használni a számítógép-használatot a Gemini 3.5 Flash-ben a Gemini API és a Gemini Enterprise Agent Platform segítségével.
Kapcsolódó: Flash Live emberi hang leváltása
A biztonság érdekében a Google célzott ellenfél-képzést alkalmaz a számítógép-használathoz a Gemini 3.5 Flash-ben. Két opcionális vállalati biztonsági rendszert is kiadtak, amelyek lehetővé teszik a vállalatok számára, hogy explicit felhasználói megerősítést kérjenek érzékeny vagy visszavonhatatlan műveletekhez, valamint automatikusan leállítsák a feladatokat, ha indirekt prompt-injekciót észlelnek.
Kapcsolódó: Gemini 3.1 Pro AGI-teszt teljesítmény
A Google azt javasolja, hogy a fejlesztők kombinálják ezeket a funkciókat biztonságos homokozással, emberi ellenőrzéssel és szigorú hozzáférési szabályokkal. A számítógép-használat már most tesztelhető egy a Browserbase által biztosított demo környezetben, valamint elérhető egy referencia-implementáció és dokumentáció a Gemini API és a Gemini Enterprise Agent Platform segítségével.
Kapcsolódó: Flash TTS 70 nyelvű beszéd