Google legger til verktøy for skjermkontroll i Gemini 3.5 Flash

Google Alphabet Inc. ↘ 0.48% lanserte tirsdag databruk som et innebygd verktøy i Gemini 3.5 Flash, noe som gjør det mulig for utviklere å bygge KI-agenter som kan se, resonnere rundt og interagere med skjermer i nettlesere, mobil- og skrivebordsmiljøer. Funksjonen, som tidligere kun var tilgjengelig gjennom den frittstående Gemini 2.5-modellen for databruk, er nå innebygd i hovedmodellen Flash.thenextweb+1

Fra frittstående modell til innebygd verktøy

Integrasjonen betyr at utviklere ikke lenger trenger å kalle på en separat, dedikert modell for å bygge agenter som interagerer med grafiske grensesnitt. I stedet kan databruk aktiveres som ett av flere verktøy i Flash – ved siden av kodekjøring, søk og funksjonskall – gjennom Gemini API og Gemini Enterprise Agent Platform, tidligere kjent som Vertex AI.investing+1

Produktansvarlig Mateo Quiros beskrev integrasjonen som å gi Flash evnen til å «se, resonnere rundt og handle på skjermer», ifølge The Next Web. Google uttalte at oppdateringen forbedrer ytelsen for langsiktige og automatiserte oppgaver i bedrifter, som kontinuerlig programvaretesting og kunnskapsbasert arbeid i profesjonelle applikasjoner.thenextweb+2

Sikkerhetstiltak for bedrifter

For å håndtere sikkerhetsrisikoer for agenter som opererer i live-miljøer, har Google introdusert målrettet motstandstrening for å motvirke «prompt injection»-angrep. Selskapet tilbyr også to valgfrie sikkerhetstiltak for bedrifter: ett som krever eksplisitt brukerbekreftelse før agenten utfører sensitive eller irreversible handlinger, og et annet som automatisk stopper agenten hvis den oppdager et forsøk på indirekte «prompt injection».investing+1

Google tilbyr i tillegg et demonstrasjonsmiljø driftet av Browserbase slik at utviklere kan teste disse funksjonene.investing

Kontekst i Googles KI-strategi

Gemini 3.5 Flash ble først utgitt under Google I/O 19. mai 2026 som Googles raskeste agentiske KI-modell, og leverte det selskapet kalte banebrytende ytelse for agenter og kodingsoppgaver. Modellen ble lansert med et kontekstvindu på én million tokens og innebygd støtte for funksjonskall, strukturert utdata og kodekjøring, men inkluderte i utgangspunktet ikke databruk.simonwillison+3

Oppdateringen fra 24. juni, dokumentert i Googles API-endringslogg som en offentlig forhåndsvisning, fyller dette gapet og posisjonerer Gemini 3.5 Flash som en enkeltmodell som er i stand til å håndtere hele spekteret av agentiske oppgaver – fra kodegenerering til direkte skjerminteraksjon – uten at utviklere trenger å koordinere flere modeller.google