跳到主要內容
maxstudioNews
產品Google DeepMind約 2 分鐘

Gemini 3.5 Flash 導入電腦操作功能,強化 AI 代理程式能力

Google DeepMind 宣布 Gemini 3.5 Flash 現已內建電腦操作功能,這項能力讓開發者能夠建立更強大的 AI 代理程式。這些代理程式將能在瀏覽器、行動裝置和桌面環境中進行「看見」、推理並採取行動。此更新顯著提升了長期任務和企業自動化工作的效能,例如軟體測試和知識型工作。

Gemini 3.5 Flash 導入電腦操作功能,強化 AI 代理程式能力
圖片來源:Google DeepMind

Gemini 3.5 Flash 現已內建電腦操作功能,為代理程式的電腦使用任務提供最佳效能。此功能先前僅作為獨立的 Gemini 2.5 電腦操作模型提供,現在已原生整合至主要的 Gemini Flash 模型中。Gemini 在函式呼叫和使用內建工具(如搜尋和地圖定位)方面表現出色。

透過內建的電腦操作能力,開發者現在可以使用 3.5 Flash 可靠地建立自訂代理程式,這些代理程式能夠在瀏覽器、行動裝置和桌面環境中「看見」、推理並採取行動。這為長期任務和企業自動化工作(例如持續軟體測試和跨專業應用程式的知識工作)帶來了效能提升。

開發者和企業可以透過 Gemini API 和 Gemini Enterprise Agent Platform 開始在 3.5 Flash 中使用電腦操作功能。例如,3.5 Flash 可以利用電腦操作功能分析 Gemini 應用程式並回傳分類的功能列表,也能審查自己的文件以找出無障礙問題。

為了確保 3.5 Flash 中電腦操作功能的安全性,並減輕代理程式在實際環境中操作時可能面臨的提示詞注入風險,我們對 Gemini 3.5 Flash 的電腦操作功能進行了針對性的對抗性訓練。我們也發布了兩套可選的企業級安全防護系統,讓企業能夠對於敏感或不可逆的動作,要求明確的使用者確認;如果偵測到間接的提示詞注入,則自動停止任務。

秉持「深度防禦」的方法,我們鼓勵開發者將這些功能與安全的沙盒環境、人工驗證(human-in-the-loop)以及嚴格的存取控制結合使用。有關安全措施的更多資訊,請參閱我們的最佳實踐文件。我們已經看到客戶透過電腦操作功能創造了價值。

立即開始使用電腦操作功能:您可以立即在 Browserbase 託管的演示環境中測試其功能。若要開始建構,請透過 Gemini API 和 Gemini Enterprise Agent Platform 深入了解我們的參考實作和文件。

Share

覺得值得一看?分享給朋友。

以上為 AI 自動翻譯導讀。原文版權歸 Google DeepMind 所有, 建議透過「閱讀原文」前往原始網站,以取得最完整資訊並支持原作者。

Newsletter

不用每天追,AI 重點每週寄給你

43 個來源、每 2 小時更新,太多看不完。電子報每週挑最值得看的幾則,附上 Max 的看法。

每週一封。Email 只用來寄電子報,每封信都能一鍵退訂。