Google внедрила управление компьютером прямо в Gemini 3.5 Flash

Корпорация Google анонсировала значительное обновление своей экосистемы искусственного интеллекта, добавив в модель Gemini 3.5 Flash продвинутый инструмент для управления компьютером. Это решение заменило экспериментальный фреймворк Gemini 2.5, предложив разработчикам более совершенный визуальный подход к выполнению сложных компьютерных задач.

Что представляет собой новая функция управления компьютером в Gemini 3.5 Flash?

Новый функционал позволяет AI-агентам выступать в роли «цифровых пользователей». Благодаря технологии компьютерного зрения, основанной на анализе скриншотов, нейросеть способна видеть активное окно приложения, понимать структуру элементов интерфейса и совершать манипуляции: кликать мышью, прокручивать страницы или вводить текст. Это полноценная автоматизация действий, которые ранее требовали ручного управления.

Основные возможности и применение AI-агентов

Инструмент предоставляет широкие перспективы для повышения эффективности в рабочих процессах. Среди ключевых сценариев использования:

• Автоматическое заполнение сложных форм и перенос данных между системами.
• Взаимодействие с десктопным и браузерным ПО для сбора информации.
• Тестирование программного обеспечения через визуальное управление.
• Массовая обработка данных в интерфейсах без API.

Безопасность и защита от промпт-инъекций

Передача контроля над клавиатурой и мышью алгоритму вызывает вопросы кибербезопасности. Чтобы избежать выполнения несанкционированных действий (например, перехода по опасным ссылкам или активации скрытых команд на вредоносных ресурсах), Google внедрила многоуровневую защиту:

• Корпоративный контроль: любая значимая или невозвратная операция требует обязательного подтверждения человеком.
• Мониторинг атак: система оснащена механизмами обнаружения промпт-инъекций, которые автоматически блокируют подозрительную активность при попытках взлома модели.

Доступность для разработчиков

На текущий момент возможности доступны через Gemini API. Для желающих протестировать новинку Google создала демо-площадку на базе Browserbase, где функционал Gemini Enterprise Agent можно опробовать в режиме реального времени. Это значительно упрощает порог входа для разработчиков, стремящихся внедрить возможности интеллектуальных агентов в свои продукты.