گوگل قابلیت کنترل کامپیوتر را به‌صورت توکار به مدل Gemini 3.5 Flash افزود

گوگل قابلیت Computer Use را به‌عنوان یک ابزار توکار در مدل Gemini 3.5 Flash اضافه کرده است. این ویژگی به توسعه‌دهندگان امکان می‌دهد تا یک مدل واحد داشته باشند که بتواند درباره‌ی یک وظیفه استدلال کرده و با رابط‌های گرافیکی در مرورگرها، دستگاه‌های موبایل و محیط‌های دسکتاپ تعامل داشته باشد. این قابلیت از طریق Gemini API و پلتفرم Gemini Enterprise Agent در دسترس است، اگرچه در حال حاضر به‌صورت یک ویژگی پیش‌نمایش باقی مانده است.

قابلیت Computer Use به یک ایجنت هوش مصنوعی امکان می‌دهد تا از اسکرین شات ها بررسی کرده و اقداماتی مانند کلیک ماوس، اسکرول و ورودی صفحه‌کلید را بازگرداند. برنامه‌ی توسعه‌دهنده باید آن اقدامات را اجرا کرده، تصویر صفحه‌نمایش حاصل را ضبط کرده و آن را به Gemini بازگرداند تا یک چرخه‌ پیوسته تا زمان اتمام وظیفه ایجاد کند. گوگل بیان کرد که این یکپارچه‌سازی می‌تواند برای فعالیت‌هایی از جمله پر کردن فرم‌های تکراری، تست برنامه‌ها، تحقیق در چندین وب‌سایت و گردش‌های کاری بلندمدت سازمانی مورد استفاده قرار گیرد.

مدل Gemini 3.5 Flash می‌تواند با محیط‌های مرورگر، موبایل و دسکتاپ کار کند، در حالی که مدل قبلی و مستقل Computer Use گوگل عمدتاً حول تعامل با مرورگر متمرکز بود. تغییر اصلی، یکپارچه‌سازی است. قبلاً کنترل رایانه از طریق مدل پیش‌نمایش جداگانه‌ی Gemini 2.5 Computer Use ارائه می‌شد. گوگل بعداً قابلیت Computer Use را به نسخه‌های پیش‌نمایش Gemini 3 Pro و Gemini 3 Flash در ژانویه‌ی 2026 (دی 1404) اضافه کرد. انتشار اخیر، این ابزار را در مدل پایدار Gemini 3.5 Flash ادغام کرده است، به‌جای اینکه توسعه‌دهندگان را ملزم به انتخاب یک مدل تخصصی صرفاً برای اتوماسیون رابط‌های گرافیکی کند.

خود مدل Gemini 3.5 Flash در ماه می (اردیبهشت) به‌عنوان جدیدترین مدل سریع گوگل برای برنامه‌نویسی و گردش‌های کاری عاملی چندمرحله‌ای معرفی شد. این مدل از پنجره‌ی بافت ورودی یک میلیون توکن و حداکثر 65000 توکن خروجی پشتیبانی می‌کند، همراه با سطوح قابل تنظیم تفکر که به توسعه‌دهندگان امکان می‌دهد استدلال بیشتر را با تأخیر و هزینه‌ی کمتر مبادله کنند. گوگل همچنین افزود که مدل Gemini 3.5 Flash آموزش تقابلی (adversarial training) هدفمندی برای سناریوهای استفاده از رایانه دریافت کرده است.

این شرکت همچنین محافظ‌هایی را ارائه می‌دهد که می‌توانند قبل از اقدامات حساس یا غیرقابل‌بازگشت، تأیید کاربر را الزام کنند و هنگامی که تزریق سریع (prompt injection) مشکوک تشخیص داده شود، به‌طور خودکار گردش کار را متوقف کنند. اسناد توسعه‌دهندگان آن، محافظت‌های قابل پیکربندی را برای حوزه‌هایی مانند تراکنش‌های مالی و تغییرات در سوابق حساس توصیف می‌کند.