2026年6月24日，Google 正式將「Computer Use」（計算機操作）工具深度整合並開放到 Gemini 3.5 Flash 模型入面，實現 Agentic 能力嘅顯著提升。呢次更新令 AI 由「問答機器」真正邁向「行動派」，開發者可以藉助截圖分析同精確動作輸出，直接操控瀏覽器、桌面應用及流動介面，自主完成複雜嘅跨軟件工作流程。與此同時，原定 6 月推出嘅 Gemini 3.5 Pro 再度延至 7 月，進一步突顯 Google 喺品質把控同迭代節奏上嘅謹慎策略。

呢項特性增強被視為 Gemini 系列向「前沿智能+真實行動」轉型嘅關鍵一步。Gemini 3.5 Flash 自 5 月 19 日 Google I/O 發佈以來，已作為高效模型廣泛應用，而 6 月 24 日嘅 Computer Use 更新令佢喺實際 Agent 場景更具競爭力。

核心創新點：Computer Use 原生整合，Agentic 能力躍升

Gemini 3.5 Flash 嘅 Computer Use 增強係今次更新最大亮點。該能力此前以預覽形式存在，今次直接內置喺 Flash 模型入面，性能同易用性大幅提升，標誌住 AI 喺 GUI 互動與自主操作領域嘅突破。

主要技術創新與能力提升：

截圖驅動嘅精準操作：模型透過即時截圖分析屏幕內容，理解介面元素，並輸出精準嘅動作序列（如點擊、輸入、滾動、拖曳）。支援瀏覽器、桌面應用同移動介面跨平台操作，適用於自動化工作流、UI 測試、數據處理等場景。早期用戶反饋顯示，佢喺航班搜尋、文件審計、電氣設計等任務中表現突出。
OSWorld-Verified 基準領先：喺 OSWorld-Verified Agentic computer use 基準上達到 78.4% 成功率，接近或匹敵頂級模型（如 GPT-5.5 嘅 78.7%）。呢項成績體現咗佢喺真實開放環境下嘅 GUI grounding 同多步任務執行能力，遠超早期 Agent 工具。
多 Agent 並行與長時序執行：結合原有 Agentic 優化，支援並行任務處理、長期規劃同自我迭代。開發者可喺 Antigravity 平台等環境中構建複雜代理，實現端到端自動化。
多模態與長上下文基礎：1M tokens 上下文窗口（輸入約 100 萬）、最高 64k 輸出 tokens，原生支援文本、圖像、視頻、音頻等多種模態。知識截止至 2025 年 1 月，適合海量文件同多媒體任務。引入「thinking levels」機制，使用者可靈活調控推理深度、質量與速度。
安全與企業級防護：內置安全過濾，阻擋可疑輸入同風險操作，支援精細權限控制同審計日誌，適合生產環境部署。

呢啲創新令 Gemini 3.5 Flash 特別適合用喺軟件開發自動化、辦公流程優化、測試工程同行業 Agent 平台等範疇，極大降低咗構建「有行動力」AI 嘅門檻。

API 調用價格：性價比突出，適合高頻 Agent 場景

Gemini 3.5 Flash 嘅定價策略延續咗 Flash 系列嘅高效定位，結合 Computer Use 增強後，仍保持較強競爭力（2026 年最新官方定價）：

輸入價格：$1.50 / 百萬 tokens（付費階層）
輸出價格（含 thinking tokens）：$9.00 / 百萬 tokens
上下文緩存：$0.15 / 百萬 tokens/小時（存儲價格，相較直接輸入大幅節省）
Grounding with Google Search：每月前 5000 次免費，之後按量計費
免費階層：喺 Gemini App、AI Studio 等提供有限額度，支援開發者快速測試。

相較於前代 Flash 模型，3.5 Flash 價格有上調，但性能提升（尤其係 Agent 同編碼