У флэш-модели Gemini 3.5 появилась встроенная функция управления компьютером

Google встроил возможности управления компьютером в свою быструю и эффективную модель Gemini 3.5 Flash, которую разработчики используют для решения различных задач генерации текста, изображений и вызова функций. Благодаря этой интеграции Gemini 3.5 Flash может взаимодействовать с вашим компьютером, беря управление над браузером, мобильными приложениями и настольными программами. Раньше управление компьютером было доступно только в модели Gemini 2.5. Но теперь это часть Flash, так что менять модель для использования этой функции не нужно.

Именно в многошаговых процессах, растянутых во времени, ИИ для управления компьютером раскрывается по-настоящему. Вместо того чтобы просто кликать по кнопкам, такой ИИ должен быть способен проходить сложные цепочки действий, охватывающие несколько разных программ. В своём анонсе Google показывает, как Gemini 3.5 Flash справляется с подобными сценариями — например, запускает браузер, вводит данные в форму, переходит в таблицу, смотрит результаты и повторяет процесс заново. Это открывает возможности для корпоративной автоматизации в тех случаях, где раньше обычно требовались решения класса RPA (роботизированная автоматизация процессов).

1Уже работает в реальных продуктах

Browserbase, Browser Use и UiPath уже встроили эту технологию в свои продукты. Среди примеров применения — автоматизированное тестирование ПО (когда модель сама кликает по приложению, как это делал бы человек), автоматизация интеллектуальной работы (чтение динамических сайтов вместо статичных) и обработка документов в корпоративной среде. Это не теоретическая идея из исследовательской демонстрации, а продукт, за который компании уже могут платить и которым могут пользоваться прямо сейчас.

2Как Google решает проблему безопасности

Вместе с возможностью управлять компьютером появляется и риск того, что вредоносные сайты или документы обманом заставят агента выполнить действия, которые он не должен выполнять. Чтобы этого не произошло, Google встроил несколько мер безопасности. Во-первых, модель обучена с помощью adversarial learning (состязательного обучения) распознавать и предотвращать инъекционные атаки. Если атака обнаружена, задача немедленно прерывается без выполнения. Кроме того, для критичных операций, таких как отправка форм или сообщений, пользователю может быть предложено подтвердить, что он действительно хочет продолжить.

Для дополнительной защиты систем Google рекомендует принимать дополнительные меры предосторожности: помещать агента в песочницу, чтобы у него не было полного доступа к базовой системе, вовлекать людей в принятие важных решений и устанавливать строгие политики разрешений на то, что агенту позволено делать. Эти функции не включены «из коробки», но разработчикам стоит подумать о том, чтобы добавить их в свою систему.

3Почему это важно для билдеров

Управление компьютером всегда было последним недостающим звеном в ИИ-воркфлоу. Вы могли генерировать текст, обрабатывать данные или даже писать код, но если хотели, чтобы ИИ открыл браузер и сделал что-то с результатом, приходилось встраивать какой-то инструмент автоматизации. С Gemini 3.5 Flash эта функциональность теперь встроена прямо в модель, с которой многие разработчики уже хорошо знакомы. Это значит, что агенты поддержки клиентов могут автоматически искать информацию о клиентах в вашей CRM, исследовательские ассистенты — читать динамические сайты, а инструменты контроля качества — тестировать пользовательский интерфейс, кликая по нему точно так же, как это делал бы человек.

Получить доступ к этой функциональности можно через Gemini API или Gemini Enterprise Agent Platform. Browserbase также предлагает демо-среду, где можно поэкспериментировать с ней, прежде чем встраивать в собственные продукты.