Google Gemini 3.5 Flash 整合電腦操作功能，簡化跨平台 AI Agent 開發

Google 將「Computer Use」功能原生整合至 Gemini 3.5 Flash　單一模型即可打造跨平台 AI Agent
Google 近日宣布，將「Computer Use」（電腦使用）功能直接整合進 Gemini 3.5 Flash 模型中，讓開發者無需額外呼叫獨立模型，即可建立能操作瀏覽器、手機應用程式及桌面環境的 AI Agent。這項更新被視為 Google 在 Agentic AI 領域的重要進展。

Gemini 3.5 Flash 的 Computer Use 功能支援以下操作：

• 點擊、輸入文字、捲動畫面
• 填寫表單與多步驟工作流程
• 跨平台操作（瀏覽器、手機 App、桌面作業系統）

Google 表示，這項功能讓 AI Agent 能更自然地與真實數位環境互動，執行複雜的自動化任務，例如資料擷取、表單填寫、軟體操作等。 在業界標準的 OSWorld-Verified UI Control 基準測試中，Gemini 3.5 Flash 取得 78.4% 的高分，表現與目前頂尖模型相當接近。

由於 Computer Use 涉及直接操作使用者介面，存在潛在的安全風險（例如提示注入攻擊）。Google 同步推出兩項企業安全機制：

• 提示注入偵測（Prompt Injection Detection）：能即時辨識並阻擋惡意指令。
• 額外企業控管機制：包含更嚴格的權限管理與行為監控，特別針對企業環境設計。

這些安全功能已整合至 Gemini Enterprise Agent Platform（原 Vertex AI Agent 平台），方便企業用戶在受控環境中使用。

開發者目前可透過以下方式立即試用：

• Gemini API：直接在 API 中啟用 Computer Use 工具。
• Gemini AI Studio 與示範環境：提供互動式測試介面。
• Gemini Enterprise Agent Platform：企業用戶可透過此平台進行部署與管理。

Google 強調，這項功能已內建於 Gemini 3.5 Flash，無需額外模型切換，能大幅簡化 AI Agent 的開發流程。

「Computer Use」能力是目前 Agentic AI 的熱門發展方向。此前 Anthropic 的 Claude 與 OpenAI 的 GPT 系列都已推出類似功能，讓 AI 能直接操作電腦介面。Google 將此功能原生整合進 Gemini 3.5 Flash，代表其在速度與易用性上做出差異化。

這項更新有助於加速企業自動化應用，例如：

• 自動化客服流程
• 跨系統資料處理
• 軟體測試與維運自動化

不過，由於涉及直接控制使用者介面，安全與權限控管仍是企業採用時的重要考量。

Google 將 Computer Use 功能原生整合至 Gemini 3.5 Flash，不僅提升了模型的實用性，也讓開發者能更快速地建構具備真實環境操作能力的 AI Agent。搭配企業級安全機制，這項更新有望加速 Agentic AI 在商業環境中的落地應用。