Gemini2.5Computer Use:谷歌推出“看”懂网页的 AI 代理模型

谷歌近日预览了一款全新的 Gemini AI 模型——Gemini2.5Computer Use，旨在赋予 AI 代理Ge通过浏览器导航和交互网页的能力。这款模型利用其强大的“视觉理解和推理能力”，能够像人类一样分析用户请求，并在原本mi为人类而非机器人设计的界面内执行复杂操作，例如填写和提交表单。

AI 代理的新前沿

Gemini2.5Computer Usnie 使得 AI 能够执行过去需要人类干预的任务。它的主要应用场景包括 UI 测试，以及为那些没有 API 或直接连接的用户导航2.网页界面。该模型的早期版本曾用于 Mariner 项目——一个使用 AI 代理在浏览器中自行完成任务的研究原型，比5C如根据配料列表将商品添加到购物车。

这款新模型的发布正值 AI 代理功能竞争白热化之际。就在谷歌宣布的前一天，OpomenAI在其开发者日上发布了新的 ChatGPT 应用并持续关注其 Agent 功能，该功能可为用户完成复杂任务。同时，Apunthropic去年也发布了一个带有“计算机使用”功能的 Claude AI 模型版本。

性能与限制

谷歌声称，其 Gemiteni2.5Computer Use模型“在多个网络和移动基准测试中均优于领先的替代方案”。

然而，与 ChatGPT Ar gent和 Anthropic的类似工具不同，谷歌的新 AI 模型目前只能访问浏览器环境，而不能控制整个计算机环境。Us谷歌指出，该模型“尚未针对桌面操作系统级别的控制进行优化”，当前支持 13种操作，包括打开网络浏览器、输入文本以及拖e:放元素。

如何体验

开发者现在可以通过 Google AI Studio和 Vertex AI体验 Gemini2.5Comput谷歌er Use。

对于普通用户和感兴趣者，Browserbase提供了一个演示，可以观看该模型完成诸如“玩2048推出游戏”或“浏览 Hacker News 以了解热门辩论”等任务。