A Gemini 3.5 Flash modell immár natívan támogatja a számítógép‑használatot (computer use), amely korábban különálló Gemini 2.5 számítógép‑használati modellként volt elérhető. A változtatás célja, hogy javítsa az „ügynöki” (agentic) számítógép‑műveletek teljesítményét, különösen olyan hosszú távú és vállalati automatizálási feladatoknál, mint a folyamatos szoftvertesztelés és a szakmai alkalmazásokon átívelő tudásmunka.
Gemini már korábban is erős volt a function calling és a beépített eszközök, például a Search és Maps alapú grounding kezelésében. A mostani integrációval a fejlesztők a 3.5 Flash modellel megbízhatóan építhetnek olyan egyedi ügynököket, amelyek képesek látni, következtetni és cselekedni böngésző-, mobil- és asztali környezetekben.
Mire képes a beépített computer use
- A 3.5 Flash computer use használatával elemezni tudja a Gemini alkalmazást és kategorizált jellemzőlistát ad vissza.
- A modell képes saját dokumentációját auditálni akadálymentességi problémák szempontjából.
Ezek a képességek különösen hasznosak lehetnek vállalati automatizálási forgatókönyvekben, ahol ismétlődő, hosszú távú vagy többalkalmazásos munkafolyamatokat kell megbízhatóan kezelni.
Hozzáférés és fejlesztési források
A fejlesztők és vállalatok a Gemini API és a Gemini Enterprise Agent Platform segítségével kezdhetik el használni a computer use funkciót a 3.5 Flash modellben. Kipróbáláshoz elérhető egy demo környezet, amelyet a Browserbase hosztol, továbbá referenciaimplementáció és dokumentáció található a fejlesztés megkezdéséhez.
Biztonsági intézkedések
A live környezetben dolgozó ügynökök prompt‑injekciós kockázatainak mérséklésére a Gemini 3.5 Flash computer use célzott adversáriális tréninget használ. Emellett két opcionális vállalati védelmi rendszer is elérhető:
- Külön kérni a felhasználói megerősítést érzékeny vagy visszafordíthatatlan műveletek előtt.
- Automatikusan megszakítani a feladatot, ha közvetett prompt‑injekciót azonosítanak.
A Google „defense‑in‑depth” megközelítést javasol: ezek az opciók kombinálhatók biztonságos sandboxolással, emberi ellenőrzéssel és szigorú hozzáférés‑vezérléssel. Részletesebb biztonsági iránymutatások a best practices dokumentációban találhatók.
Ügyfélvisszajelzés és gyakorlati használat
A cég szerint már megjelentek ügyfelek, amelyek értéket teremtenek a computer use használatával, és lehetőség van a funkció azonnali kipróbálására a Demo környezetben, illetve a fejlesztés elkezdésére a Gemini API és a Gemini Enterprise Agent Platform dokumentációja és referenciaimplementációja alapján.
