Η Google προσθέτει εργαλείο ελέγχου οθόνης στο Gemini 3.5 Flash

Η Google Alphabet Inc. ↗ 0.81% παρουσίασε την Τρίτη τη χρήση υπολογιστή ως ενσωματωμένο εργαλείο στο Gemini 3.5 Flash, επιτρέποντας στους προγραμματιστές να δημιουργούν πράκτορες τεχνητής νοημοσύνης που μπορούν να βλέπουν, να συλλογίζονται και να αλληλεπιδρούν με οθόνες σε περιβάλλοντα προγραμμάτων περιήγησης, κινητών και επιτραπέζιων υπολογιστών. Η δυνατότητα, που προηγουμένως ήταν διαθέσιμη μόνο μέσω του αυτόνομου μοντέλου χρήσης υπολογιστή Gemini 2.5, είναι πλέον εγγενώς ενσωματωμένη στο κύριο μοντέλο Flash.thenextweb+1

Από το αυτόνομο μοντέλο στο εγγενές εργαλείο

Η ενσωμάτωση σημαίνει ότι οι προγραμματιστές δεν χρειάζεται πλέον να καλούν ένα ξεχωριστό, αποκλειστικό μοντέλο για να δημιουργήσουν πράκτορες που αλληλεπιδρούν με γραφικά περιβάλλοντα. Αντίθετα, η χρήση υπολογιστή μπορεί να ενεργοποιηθεί ως ένα από τα πολλά εργαλεία εντός του Flash — παράλληλα με την εκτέλεση κώδικα, την αναζήτηση και την κλήση συναρτήσεων — μέσω του Gemini API και της πλατφόρμας Gemini Enterprise Agent, παλαιότερα γνωστής ως Vertex AI.investing+1

Ο υπεύθυνος προϊόντος Mateo Quiros περιέγραψε την ενσωμάτωση ως παροχή στο Flash της ικανότητας να «βλέπει, να συλλογίζεται και να αναλαμβάνει δράση σε οθόνες», σύμφωνα με το The Next Web. Η Google δήλωσε ότι η ενημέρωση βελτιώνει την απόδοση για εργασίες αυτοματισμού μακροπρόθεσμου ορίζοντα και επιχειρηματικές εργασίες, όπως ο συνεχής έλεγχος λογισμικού και η εργασία που βασίζεται στη γνώση εντός επαγγελματικών εφαρμογών.thenextweb+2

Επιχειρηματικές δικλείδες ασφαλείας και ασφάλεια

Για την αντιμετώπιση των κινδύνων ασφαλείας για πράκτορες που λειτουργούν σε ζωντανά περιβάλλοντα, η Google εισήγαγε εστιασμένη εκπαίδευση κατά των αντιπαραθέσεων για την αντιμετώπιση επιθέσεων έγχυσης εντολών. Η εταιρεία προσφέρει επίσης δύο προαιρετικές δικλείδες ασφαλείας για επιχειρήσεις: μία που απαιτεί ρητή επιβεβαίωση από τον χρήστη πριν ο πράκτορας εκτελέσει ευαίσθητες ή μη αναστρέψιμες ενέργειες, και μία άλλη που σταματά αυτόματα τον πράκτορα εάν εντοπίσει απόπειρα έμμεσης έγχυσης εντολών.investing+1

Η Google παρέχει επιπλέον ένα περιβάλλον επίδειξης που φιλοξενείται από το Browserbase για να δοκιμάσουν οι προγραμματιστές αυτές τις δυνατότητες.investing

Πλαίσιο εντός της στρατηγικής τεχνητής νοημοσύνης της Google

Το Gemini 3.5 Flash κυκλοφόρησε για πρώτη φορά στο Google I/O στις 19 Μαΐου 2026 ως το ταχύτερο μοντέλο τεχνητής νοημοσύνης της Google, προσφέροντας αυτό που η εταιρεία αποκάλεσε κορυφαία απόδοση για πράκτορες και εργασίες κωδικοποίησης. Το μοντέλο κυκλοφόρησε με παράθυρο πλαισίου εισόδου ενός εκατομμυρίου token και εγγενή υποστήριξη για κλήση συναρτήσεων, δομημένη έξοδο και εκτέλεση κώδικα, αλλά αρχικά δεν περιλάμβανε τη χρήση υπολογιστή.simonwillison+3

Η ενημέρωση της 24ης Ιουνίου, που τεκμηριώνεται στο αρχείο καταγραφής αλλαγών του API της Google ως δημόσια προεπισκόπηση, καλύπτει αυτό το κενό και τοποθετεί το Gemini 3.5 Flash ως ένα ενιαίο μοντέλο ικανό να χειριστεί όλο το φάσμα των εργασιών πρακτόρων — από τη δημιουργία κώδικα έως την άμεση αλληλεπίδραση με την οθόνη — χωρίς να απαιτείται από τους προγραμματιστές να ενορχηστρώνουν πολλαπλά μοντέλα.google