Google přidává do Gemini 3.5 Flash nástroj pro ovládání obrazovky

25 června, 2026

Google spustil funkci ovládání počítače jako vestavěný nástroj v Gemini 3.5 Flash, což umožňuje agentům s umělou inteligencí nativně interagovat s obrazovkami.thenextweb+1
Tato schopnost dříve vyžadovala samostatný model; nyní funguje společně se spouštěním kódu, vyhledáváním a voláním funkcí v rámci jednoho modelu.thenextweb+1
Google přidal podnikové bezpečnostní prvky, včetně potvrzení uživatelem u citlivých akcí a automatického zastavení při útocích typu prompt injection.thenextweb+1

Společnost Google Alphabet Inc. v úterý spustila funkci ovládání počítače jako vestavěný nástroj v Gemini 3.5 Flash, což vývojářům umožňuje vytvářet agenty s umělou inteligencí, kteří dokážou vidět, uvažovat a interagovat s obrazovkami v prohlížečích, mobilních i desktopových prostředích. Tato schopnost, dříve dostupná pouze prostřednictvím samostatného modelu Gemini 2.5 pro ovládání počítače, je nyní nativně integrována do hlavního modelu Flash.thenextweb+1

Od samostatného modelu k nativnímu nástroji

Tato integrace znamená, že vývojáři již nemusí volat samostatný, dedikovaný model pro vytváření agentů, kteří interagují s grafickými rozhraními. Místo toho lze ovládání počítače aktivovat jako jeden z několika nástrojů v rámci Flash – vedle spouštění kódu, vyhledávání a volání funkcí – prostřednictvím Gemini API a platformy Gemini Enterprise Agent Platform, dříve známé jako Vertex AI.investing+1

Produktový manažer Mateo Quiros popsal integraci jako schopnost, která dává modelu Flash možnost „vidět, uvažovat a jednat na obrazovkách“, uvádí The Next Web. Google uvedl, že aktualizace zlepšuje výkon u dlouhodobých a podnikových automatizačních úloh, jako je kontinuální testování softwaru a práce založená na znalostech v rámci profesionálních aplikací.thenextweb+2

Podnikové bezpečnostní prvky a zabezpečení

Aby Google vyřešil bezpečnostní rizika pro agenty operující v živých prostředích, zavedl cílené adversariální školení pro boj proti útokům typu prompt injection. Společnost také nabízí dva volitelné podnikové bezpečnostní prvky: jeden, který vyžaduje výslovné potvrzení uživatelem předtím, než agent provede citlivé nebo nevratné akce, a druhý, který automaticky zastaví agenta, pokud detekuje pokus o nepřímý prompt injection.investing+1

Google navíc poskytuje demonstrační prostředí hostované společností Browserbase, aby si vývojáři mohli tyto schopnosti vyzkoušet.investing

Kontext v rámci strategie umělé inteligence společnosti Google

Model Gemini 3.5 Flash byl poprvé vydán na konferenci Google I/O 19. května 2026 jako nejrychlejší agentní model umělé inteligence od Googlu, který poskytuje to, co společnost nazvala špičkovým výkonem pro agenty a programovací úlohy. Model byl spuštěn s kontextovým oknem o velikosti jednoho milionu tokenů a nativní podporou pro volání funkcí, strukturovaný výstup a spouštění kódu, ale zpočátku nezahrnoval ovládání počítače.simonwillison+3

Aktualizace z 24. června, zdokumentovaná v protokolu změn API společnosti Google jako veřejná verze preview, tuto mezeru vyplňuje a staví Gemini 3.5 Flash do pozice jediného modelu schopného zvládnout celou škálu agentních úloh – od generování kódu až po přímou interakci s obrazovkou – aniž by vývojáři museli koordinovat více modelů.google

Zdroje (14)