首页 > 热点
Gemini2.5Computer Use:谷歌推出“看”懂网页的 AI 代理模型
发布日期:2026-11-20
浏览次数:{固定数字3}

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mi原本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

Gemini2.5Comniputer Use 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2.直接连接的用户导航网页界面。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5C究原型,比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,OompenAI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 Geminite2.5Computer 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 Ager nt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。谷歌指Us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、输入文本以及拖放元素。

如e:何体验

开发者现在可以通过 Google AI Studio和 Vertex AI体验 Gemini2.5Computer Us谷歌e。

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游戏”或“浏推出览 Hacker News 以了解热门辩论”等任务。

上一篇:​AI 时代来临,Perplexity CEO 称 iPhone 重要性将进一步增强
下一篇:标签: 比亚迪 联想 小米汽车 MWC2026
相关文章