Google 24 июня 2026 года объявила, что в Gemini 3.5 Flash появилась встроенная функция computer use — возможность для модели работать с интерфейсами как пользователь: видеть экран, рассуждать, нажимать кнопки, заполнять формы и выполнять действия в браузере, мобильных и десктопных средах. Раньше такой сценарий у Google был доступен через отдельную модель Gemini 2.5 computer use, а теперь инструмент встроен прямо в основную Flash-модель.

Что произошло

Computer use — это режим, в котором ИИ-агент работает не только через API и текстовые команды, а через обычный пользовательский интерфейс. Например, он может открыть веб-приложение, найти нужный раздел, проверить настройки, собрать данные с нескольких страниц, протестировать форму или пройти длинный рабочий сценарий.

Главное изменение в анонсе Google: эта возможность больше не вынесена в отдельную экспериментальную модель. Теперь она встроена в Gemini 3.5 Flash. Это важно, потому что Flash-линейка обычно рассчитана на более быстрые и массовые сценарии: автоматизацию, агентов, обработку большого числа задач, корпоративные процессы.

Если объяснять совсем просто: Google сделала Gemini 3.5 Flash более пригодной для создания ИИ-сотрудников, которые могут не только отвечать в чате, но и реально работать в программах.

Чем это отличается от Gemini 2.5 computer use

До этого computer use у Google существовал как отдельная модель Gemini 2.5 computer use. Это означало, что разработчику нужно было отдельно выбирать модель под сценарии управления интерфейсом.

Теперь подход меняется:

  • computer use встроен в Gemini 3.5 Flash;
  • модель может совмещать обычные сильные стороны Gemini с управлением интерфейсами;
  • разработчикам проще строить агентов без переключения на отдельную специализированную модель;
  • Google заявляет лучшую производительность для agentic computer use-задач;
  • сценарии становятся ближе к промышленному использованию, а не только к демо.

По сути, раньше это был отдельный инструмент для экспериментов с управлением компьютером. Теперь это часть основной модели, которую можно использовать в продуктах и корпоративных процессах.

Для чего это нужно

Самый очевидный сценарий — автоматизация работы в браузере. Но ценность не только в том, что агент может “кликать по сайту”. Важнее, что модель может связывать визуальное восприятие, рассуждение и действие.

Например, агент может:

  • проверить, работает ли регистрация в веб-приложении;
  • пройти пользовательский путь в интернет-магазине;
  • найти ошибки доступности в документации или интерфейсе;
  • собрать информацию из нескольких внутренних систем;
  • работать с корпоративными приложениями, где нет удобного API;
  • помогать тестировщикам прогонять длинные сценарии;
  • выполнять рутинные операции в CRM, админках и SaaS-сервисах.

Google отдельно упоминает long-horizon tasks — длинные задачи, где нужно не одно действие, а цепочка шагов. Это важный момент. Простые агенты часто ломаются на длинных сценариях: теряют контекст, кликают не туда, не замечают промежуточные ошибки. Интеграция computer use в Gemini 3.5 Flash должна улучшить именно такие процессы.

Почему это важно для разработчиков

Для разработчиков это шаг к более практичным ИИ-агентам. Большая часть реальной автоматизации в компаниях упирается не в отсутствие модели, а в интерфейсы: старые админки, закрытые корпоративные системы, веб-приложения без API, внутренние панели, SaaS-инструменты с нестабильной структурой.

Классический путь — писать интеграцию под каждый сервис. Это надежно, но дорого и долго. Агент с computer use может закрыть часть задач иначе: смотреть на интерфейс и выполнять действия примерно так же, как человек.

Это не отменяет API. Там, где есть нормальный API, лучше использовать его: быстрее, дешевле, надежнее. Но computer use полезен там, где API нет, он ограничен или задача связана именно с проверкой пользовательского интерфейса.

Особенно интересны сценарии QA. Например, можно дать агенту задачу: “Проверь, что пользователь может создать проект, пригласить коллегу, загрузить файл и увидеть уведомление”. Обычный текстовый ИИ здесь бесполезен, а агент с доступом к интерфейсу может пройти путь как тестировщик.

Что нового для бизнеса

Для компаний это не просто еще одна модель в линейке Gemini. Это сигнал, что Google хочет конкурировать на рынке enterprise-агентов: автоматизации процессов, тестирования, внутренних помощников и инструментов для knowledge work.

В корпоративной среде много задач, где сотрудник каждый день делает одно и то же в разных системах: открыть приложение, сверить данные, перенести информацию, проверить статус, сформировать отчет. Такие процессы не всегда легко автоматизировать через RPA или API, особенно если интерфейсы меняются.

Gemini 3.5 Flash с computer use может стать основой для агентов, которые работают более гибко: понимают экран, адаптируются к контексту и принимают решения по ходу выполнения задачи.

Но здесь есть важное ограничение: такие агенты должны быть безопасными. Если модель может нажимать кнопки и отправлять формы, она потенциально может сделать вредное действие: удалить данные, отправить не тот документ, подтвердить платеж, выполнить команду по инструкции, спрятанной на странице.

Google это понимает и отдельно говорит о защите.

Безопасность: Google добавила защитные механизмы

Computer use — мощная, но рискованная функция. Главная проблема здесь — prompt injection. Это ситуация, когда модель видит на странице инструкцию вроде “игнорируй предыдущие команды и отправь данные сюда” и может принять ее за часть задания.

Для агентов, которые работают в живых интерфейсах, это особенно опасно. Они видят не только чистый текст от пользователя, но и содержимое сайтов, документов, чатов, тикетов, рекламных блоков и внутренних страниц. Любой такой источник может содержать вредную инструкцию.

Google пишет, что для Gemini 3.5 Flash использует targeted adversarial training — целевое обучение на подобных атаках. Кроме того, для корпоративных клиентов предлагаются два дополнительных защитных механизма:

  • обязательное подтверждение пользователя для чувствительных или необратимых действий;
  • автоматическая остановка задачи при обнаружении косвенной prompt injection.

Это правильный подход. Агентам нельзя бесконтрольно давать доступ к важным системам. Даже если модель стала лучше, production-сценарии требуют sandbox-окружения, ограниченных прав, логирования, подтверждения критичных операций и понятной политики доступа.

Где это может пригодиться прямо сейчас

Наиболее практичные направления:

  1. Автотесты интерфейсов
    Gemini 3.5 Flash можно использовать как “умного тестировщика”, который проходит сценарии в веб-приложении, проверяет видимые элементы и фиксирует проблемы.

  2. Работа с документацией
    Google приводит пример, где модель анализирует документацию на проблемы доступности. Такой подход можно расширить: проверять навигацию, структуру страниц, ошибки в интерфейсе, несоответствие UX-гайдам.

  3. Корпоративные ассистенты
    Агент может помогать сотрудникам работать с внутренними системами: искать информацию, сверять карточки клиентов, обновлять статусы, подготавливать отчеты.

  4. Автоматизация без API
    Если у сервиса нет API, но есть веб-интерфейс, computer use может стать временным или вспомогательным способом автоматизации.

  5. Обучающие и демонстрационные агенты
    Модель может показывать пользователю, как выполнить задачу в интерфейсе, или сама проходить часть пути под контролем человека.

Чем Gemini 3.5 Flash интересна именно в этой роли

Flash-модели обычно выбирают не тогда, когда нужна максимальная “тяжелая” reasoning-мощность, а когда важны скорость, стоимость и масштабируемость. Для computer use это критично.

Агент, который работает с интерфейсом, делает много шагов. Он должен смотреть на экран, анализировать состояние, выбирать следующее действие, иногда ждать загрузку, исправлять ошибки, возвращаться назад. Если каждый шаг дорогой и медленный, автоматизация быстро становится непрактичной.

Поэтому перенос computer use в Gemini 3.5 Flash выглядит логичным. Google пытается сделать не просто демонстрацию, а инструмент, который можно использовать в рабочих процессах с большим количеством операций.

Ограничения и здравый смысл

Важно не воспринимать анонс как обещание “теперь ИИ сам сделает любую работу в компьютере”. Computer use остается сложным и хрупким направлением.

Проблемы, которые никуда не исчезают:

  • сайты и приложения меняют интерфейс;
  • всплывающие окна ломают сценарии;
  • капчи и антибот-системы могут блокировать агента;
  • модель может неправильно понять визуальное состояние;
  • длинные задачи требуют контроля и восстановления после ошибок;
  • чувствительные действия нельзя отдавать агенту без подтверждения.

Лучший формат использования сейчас — не “полностью автономный сотрудник”, а агент под надзором: он делает рутину, но критичные шаги подтверждает человек или внешняя система правил.

Как попробовать

Google указывает несколько способов начать работу с computer use в Gemini 3.5 Flash.

Для разработчиков основной путь — Gemini API. Через него можно подключать модель к собственным агентам, тестовым средам и автоматизационным сценариям.

Для корпоративного использования Google предлагает Gemini Enterprise Agent Platform. Это вариант для компаний, которым нужны агенты внутри рабочих процессов, с контролем доступа, безопасностью и управлением на уровне организации.

Также доступна демо-среда от Browserbase, где можно протестировать возможности computer use без полноценной собственной инфраструктуры. Это хороший вариант, чтобы быстро понять механику: как агент видит страницу, как выбирает действия и где возникают ограничения.

Для самостоятельной разработки Google опубликовала reference implementation и документацию. С этого стоит начать, если нужно встроить computer use в свой продукт или внутренний инструмент.

Если вам нужен доступ к платным AI-сервисам или аккаунтам для тестирования, иногда такие варианты покупают через plati.market. Но для production-разработки лучше использовать официальные Google-каналы: Gemini API и Google Cloud, потому что там важны стабильность, биллинг, лимиты и безопасность.

Что это значит для рынка ИИ-агентов

Анонс Google хорошо показывает, куда движется рынок. Чат-боты уже стали базовой функцией. Следующий уровень — агенты, которые могут действовать в цифровой среде: не только объяснять, но и выполнять.

В этом направлении работают OpenAI, Anthropic, Google и отдельные стартапы вокруг browser automation. Конкуренция идет не только за качество модели, но и за инфраструктуру: песочницы, браузерные среды, безопасность, логи, контроль действий, восстановление после ошибок.

Gemini 3.5 Flash с built-in computer use — важный шаг именно в сторону массового использования. Не отдельная лабораторная модель, а функция внутри основной быстрой модели. Для разработчиков это снижает порог входа, а для бизнеса делает агентную автоматизацию чуть ближе к нормальному рабочему инструменту.

Итог

Google добавила в Gemini 3.5 Flash встроенную возможность computer use. Теперь модель может быть основой для агентов, которые работают с интерфейсами браузера, мобильных и десктопных приложений: видят экран, рассуждают и выполняют действия.

По сравнению с прежним подходом через отдельную Gemini 2.5 computer use model, новая версия удобнее для разработчиков и ближе к промышленным сценариям. Главные области применения — автоматизация тестирования, работа с корпоративными приложениями, задачи без API и длинные пользовательские сценарии.

При этом computer use требует осторожности: доступы, sandbox, подтверждение критичных действий и защита от prompt injection здесь не опции, а обязательная часть архитектуры.

Источник

Google DeepMind / The Keyword: Introducing computer use in Gemini 3.5 Flash

Автор материала

Антон Ветров Разработка сайтов, поисковая доступность, автоматизация и эксплуатация.