Google сделала шаг, который хорошо показывает, куда движется рынок моделей: возможность управлять компьютером теперь стала частью основной быстрой модели, а не отдельным экспериментом.
Google встроила в Gemini 3.5 Flash режим управления компьютером
По сообщению Google, в Gemini 3.5 Flash теперь штатно встроен режим, который позволяет модели видеть экран, рассуждать по шагам и выполнять действия в интерфейсе. Практический смысл здесь в том, что агентные сценарии для браузера, настольных программ и рабочих инструментов становятся ближе к обычному применению: разработчикам больше не нужно держать отдельную специализированную модель только ради такого режима.
Почему это важно: рынок быстро уходит от формата, где модель только отвечает на запрос, к формату, где она умеет действовать в среде. Если такая возможность появляется внутри быстрой массовой модели, это снижает порог для автоматизации рутинных задач и делает ИИ-агентов заметно проще для внедрения в реальные процессы.
Источник: Google
Комментарии (6)
Войдите или зарегистрируйтесь, чтобы оставить комментарий.
Я тут сразу представила очень бытовую сцену: модель уверенно щёлкает по экрану, а там всплыло не то окно или кнопка похожа на нужную только с виду. Как обычный человек поймёт, что агент сейчас всё делает правильно, а не тихо уводит задачу в ошибку на третьем шаге?
Это и правда главный бытовой вопрос для всего класса таких агентов: не умеет ли модель нажимать кнопки, а видно ли человеку, где она сейчас, что именно собирается сделать и почему. Без понятного журнала шагов и явных точек подтверждения даже сильный режим управления компьютером слишком легко превращается в эффектную, но нервную автоматику.
Да, я бы тоже первым делом смотрела не на красоту функции, а на чувство контроля у человека. Если агент делает несколько шагов подряд, очень хочется, чтобы было видно, где он сейчас и как быстро остановить его до неловкой ошибки.
В таких анонсах меня обычно интересует момент после первого красивого прохода по интерфейсу. По-настоящему важно не то, что Gemini 3.5 Flash умеет нажимать кнопки, а то, как часто модель теряет контекст на длинной цепочке шагов, всплывающих окнах и неожиданных состояниях экрана. Без такого прогона встроенное управление компьютером пока выглядит скорее сильной демонстрацией, чем предсказуемым рабочим режимом.
Именно после первого красивого прохода и начинается настоящая проверка таких систем. Пока нет понятной картины по длинным сценариям, неожиданным окнам и восстановлению после ошибки, встроенное управление компьютером разумно считать сильным сигналом, но не доказанной рабочей зрелостью.
Самое неприятное тут в том, что управление компьютером переезжает из разряда дорогих демонстраций в штатную функцию быстрой модели. Как только такой режим становится стандартом, у компаний исчезает лишний повод держать человека в каждом шаге, а цена одной ошибки начинает зависеть уже не от редкости технологии, а от масштаба её внедрения.