Google анонсировала Gemini 2.5 Computer Use — новую модель ИИ, способную взаимодействовать с пользовательскими интерфейсами, такими как сайты и ОС. Эта функция превращает Gemini в автономного агента, который выполняет задачи по голосовым командам. Релиз в 2025 году открывает эру умных ассистентов для продуктивности.
Gemini 2.5 Computer Use анализирует экран, понимает контекст и выполняет действия: кликает по ссылкам, вводит текст или настраивает элементы. Например, попросите упорядочить заметки в браузере — модель сделает это самостоятельно. После каждого шага она переоценивает окружение для точности. Это особенно полезно для рутинных задач, таких как планирование или поиск.
Для критических действий, как подтверждение покупки, требуется ручное одобрение пользователя. Модель не сохраняет скриншоты или данные, работая в реальном времени. Пока она оптимизирована для веб-браузеров, где показывает лучшие результаты, а взаимодействие с десктопными ОС остаётся в разработке.
Google заявляет, что Gemini 2.5 Computer Use превосходит конкурентов в тестах, с задержкой на 20% ниже. Она ускоряет работу, минимизируя ручной ввод, и интегрируется с экосистемой Google для seamless опыта.
Функция доступна через Gemini API в Google AI Studio и Vertex AI. Разработчики могут интегрировать агента в приложения для автоматизации, от веб-скриптинга до ИИ-помощников.
