Gemini 3.5 Flash z wbudowaną funkcją obsługi komputera

Model Gemini 3.5 Flash został wzbogacony o wbudowaną funkcję obsługi komputera, co stanowi znaczące usprawnienie w tworzeniu agentów zdolnych do interakcji z różnymi platformami. Wcześniej dostępna jedynie jako samodzielny model Gemini 2.5, ta zdolność jest teraz natywnie zintegrowana z głównym modelem Gemini Flash, oferując najlepszą dotychczas wydajność w zadaniach związanych z agentową obsługą komputera.

Nowe możliwości dla deweloperów

Gemini już wcześniej wyróżniało się w wywoływaniu funkcji oraz korzystaniu z wbudowanych narzędzi, takich jak wyszukiwarka i mapy. Dzięki nowej integracji, deweloperzy mogą teraz wykorzystać 3.5 Flash do niezawodnego tworzenia niestandardowych agentów, którzy potrafią "widzieć", "rozumieć" i "działać" w środowiskach przeglądarek, urządzeń mobilnych oraz komputerów stacjonarnych. Otwiera to drogę do zwiększonej wydajności w długoterminowych i korporacyjnych zadaniach automatyzacji, takich jak ciągłe testowanie oprogramowania czy praca koncepcyjna w profesjonalnych aplikacjach.

Deweloperzy i przedsiębiorstwa mogą rozpocząć korzystanie z funkcji obsługi komputera w 3.5 Flash za pośrednictwem Gemini API oraz platformy Gemini Enterprise Agent Platform.

Przykłady zastosowań i bezpieczeństwo

Funkcja obsługi komputera w 3.5 Flash znajduje zastosowanie w analizie aplikacji Gemini, zwracając skategoryzowaną listę funkcji, a także w audytowaniu własnej dokumentacji pod kątem dostępności. Aby złagodzić ryzyko ataków typu prompt injection w agentach działających w środowiskach produkcyjnych, Google stosuje ukierunkowane szkolenia adwersaryjne dla funkcji obsługi komputera w Gemini 3.5 Flash. Dodatkowo, udostępniono dwa opcjonalne systemy zabezpieczeń dla przedsiębiorstw, które mają na celu zwiększenie bezpieczeństwa.

Google zachęca deweloperów do przyjęcia podejścia "obrony w głąb" (defense-in-depth), łącząc te funkcje z bezpiecznym środowiskiem sandbox, weryfikacją "człowiek w pętli" (human-in-the-loop) oraz ścisłą kontrolą dostępu. Dodatkowe informacje dotyczące środków bezpieczeństwa są dostępne w dokumentacji najlepszych praktyk.

Integracja funkcji obsługi komputera w Gemini 3.5 Flash stanowi istotny krok w rozwoju agentów AI, umożliwiając im bardziej złożone i autonomiczne działanie w cyfrowym środowisku. To posunięcie podkreśla dążenie Google do dostarczania narzędzi, które nie tylko zwiększają wydajność, ale także zapewniają niezbędne mechanizmy bezpieczeństwa w obliczu rosnących wyzwań związanych z wdrażaniem sztucznej inteligencji w krytycznych zastosowaniach biznesowych.

Źródło: deepmind.google