Google встроила управление компьютером прямо в Gemini 3.5 Flash

Google сделала управление компьютером встроенным инструментом в Gemini 3.5 Flash. Модель теперь умеет видеть экран, кликать, печатать и прокручивать страницы — в браузере, на мобильном устройстве или в десктопном приложении.

Раньше это работало иначе: функция была доступна только как отдельная специализированная модель — Gemini 2.5 Computer Use. Теперь её встроили прямо в основной Flash — быстрый и дешёвый вариант Gemini, на котором разработчики строят реальные продукты.

Что это меняет на практике: можно создавать агентов, которые сами выполняют задачи в любом приложении без специальных API. Агент открывает браузер, заходит в нужный сервис и работает там так же, как человек. Google называет примеры — непрерывное тестирование ПО, проверка документации на ошибки доступности, рутинная работа в корпоративных системах.

С безопасностью Google заморочилась отдельно. Главная проблема таких агентов — prompt injection: вредоносный текст на экране может заставить агента выполнить чужую команду вместо вашей. Для защиты применили специальное adversarial training. Плюс два опциональных корпоративных механизма: первый запрашивает подтверждение перед чувствительными или необратимыми действиями, второй автоматически останавливает задачу при обнаружении инъекции.

Gemini 3.5 Flash с управлением компьютером уже доступен через Gemini API и платформу Gemini Enterprise Agent Platform. Разработчики могут попробовать технологию в демо-среде Browserbase.