🧠 **Gemini 2.5计算机使用模型：AI智能体的新突破** 谷歌预览的Gemini 2.5计算机使用模型，核心在于其“视觉理解与推理能力”，使AI智能体能够理解并操作为人类设计的用户界面。这标志着AI在无需专门API的情况下，能够更自然地与网络内容进行交互，例如自动填写和提交网页表单，从而扩展了AI的应用场景，尤其是在用户界面测试和自动化操作那些缺乏直接接口的系统方面。

🌐 **浏览器环境下的自主操作与局限性** 该模型专注于在浏览器环境中执行任务，支持包括打开浏览器、输入文本和拖放元素在内的13种操作。与OpenAI的ChatGPT智能体和Anthropic的Claude AI模型不同，Gemini 2.5计算机使用模型目前不支持对整个计算机系统的控制，也未针对桌面操作系统层级进行优化。这一明确的界限突显了其在特定应用场景下的专业性。

🚀 **开放与演示：加速AI应用落地** 谷歌将Gemini 2.5计算机使用模型通过Google AI Studio和Vertex AI向开发者开放，并提供了Browserbase平台的在线演示。这使得开发者能够直观地体验AI在实际网页任务中的表现，如玩游戏或浏览热门讨论，旨在加速AI智能体技术的普及和应用落地，推动相关领域的研究与创新。

IT之家 10 月 8 日消息，谷歌正在预览一款全新的 Gemini 人工智能模型，该模型旨在通过浏览器浏览网络并与之交互，使 AI 智能体能够在原本为人而非机器人设计的用户界面中执行操作。这款名为“Gemini 2.5 计算机使用”（Gemini 2.5 Computer Use）的模型，利用“视觉理解与推理能力”分析用户的请求，并完成相应任务，例如填写并提交表单。

该模型可用于用户界面测试，或用于操作那些仅面向人类用户、未提供 API 或其他直接接口的系统。此前，此类模型已应用于谷歌 AI 模式（AI Mode）中的智能体功能，以及研究原型项目“Mariner”，该项目利用 AI 智能体在浏览器中自主执行任务，例如根据食材清单自动将商品添加到购物车。

谷歌此次发布恰逢 OpenAI 在其年度开发者日（Dev Day）宣布推出 ChatGPT 新应用的次日。OpenAI 正持续聚焦其“ChatGPT 智能体”（ChatGPT Agent）功能，该功能可代表用户完成复杂任务。与此同时，Anthropic 公司已于去年发布了其 Claude AI 模型的“计算机使用”（computer use）版本。

IT之家注意到，谷歌发布了一些演示视频，展示了“计算机使用”工具的实际运行效果，并注明视频播放速度已加快至 3 倍。谷歌表示，其计算机使用模型“在多个网页和移动端基准测试中优于现有领先方案”。与 ChatGPT 智能体和 Anthropic 的计算机使用工具不同，谷歌的新 AI 模型仅限于访问浏览器环境，无法操控整个计算机系统。谷歌特别指出，该模型“尚未针对桌面操作系统层级的控制进行优化”，目前支持 13 种操作，包括打开网页浏览器、输入文本，以及拖放页面元素等。

Gemini 2.5 计算机使用模型现已通过 Google AI Studio 和 Vertex AI 向开发者开放。此外，Browserbase 平台也提供了在线演示，用户可实时观看该模型完成诸如“玩一局 2048 游戏”或“浏览 Hacker News 上的热门讨论”等任务。