Google 正式发布 Gemini 2.5 Computer Use 模型。该模型基于 Gemini 2.5 Pro 的视觉理解与推理能力，旨在通过浏览器实现网页浏览与交互，可分析用户请求并自动执行表单填写、提交等任务。
其核心优势在于允许 AI 代理在“为人设计”而非专为机器人设计的界面上操作。支持的 UI 交互包括：前进/后退、网络搜索、URL 导航、悬停、键盘组合键、滚动及拖放等。
此前，Gemini 2.5 Computer Use 的其他版本已应用于 AI Mode 及研究原型 Project Mariner（自主浏览器任务代理）。Google 发布的演示视频显示，该工具运行流畅（注：演示速度已加速 3 倍），且在多项网络和移动基准测试中表现优于主流竞品。
需注意的是，与 ChatGPT Agent 和 Anthropic 的工具不同，目前 Gemini 2.5 Computer Use 仅支持单浏览器访问，尚未针对桌面操作系统级控制进行优化。现阶段共支持 13 种操作，涵盖打开浏览器、文本输入及元素拖放等。
开发者可通过 Google AI Studio 和 Vertex AI 调用该模型，Browserbase 平台亦提供相关演示。
此次发布恰逢 OpenAI Dev Day 次日，标志着 Google 在“计算机使用”领域已追上 OpenAI 与 Anthropic（后者去年率先推出 Claude 相关功能）的步伐。