LogoAIRosetta

Google Gemini 3.5 Flash“Computer Use”特性大幅增强,Pro版仍延期至7月:Agentic行动能力再上台阶

DeepMind

Summary2026年6月24日,Google将Computer Use工具深度集成到Gemini 3.5 Flash,显著提升Agentic能力,支持截图驱动的跨平台GUI操作、多模态与百万级上下文;Gemini 3.5 Pro推迟至7月。

2026年6月24日,Google正式将“Computer Use”(计算机操作)工具深度集成并开放至Gemini 3.5 Flash模型中,实现Agentic能力的显著增强。这一更新让AI从“问答机器”真正迈向“行动派”,开发者可借助截图分析和精确动作输出,直接操控浏览器、桌面应用及移动界面,自主完成复杂跨软件工作流。与此同时,原计划6月推出的Gemini 3.5 Pro版本再度延期至7月,进一步凸显Google在质量把控与迭代节奏上的谨慎策略。

这一特性增强被视为Gemini系列向“前沿智能+真实行动”转型的关键一步。Gemini 3.5 Flash自5月19日Google I/O发布以来,已作为高效模型广泛应用,而6月24日的Computer Use更新让其在实际Agent场景中更具竞争力。

核心创新点:Computer Use原生集成,Agentic能力跃升

Gemini 3.5 Flash的Computer Use增强是本次更新的最大亮点。该能力此前以预览形式存在,此次直接内置到Flash模型中,性能和易用性大幅提升,标志着AI在GUI交互和自主操作领域的突破。

主要技术创新与能力提升:

  • 截图驱动的精确操作:模型通过实时截图分析屏幕内容,理解界面元素,并输出精确动作序列(如点击、输入、滚动、拖拽)。支持浏览器、桌面应用和移动界面跨平台操作,适用于自动化工作流、UI测试、数据处理等场景。早期用户反馈显示,它在航班搜索、文档审计、电气设计等任务中表现突出。
  • OSWorld‑Verified基准领先:在OSWorld‑Verified Agentic computer use基准上达到78.4%成功率,接近或匹敌顶级模型(如GPT‑5.5的78.7%)。这一成绩体现了其在真实开放环境下的GUI grounding和多步任务执行能力,远超早期Agent工具。
  • 多Agent并行与长时序执行:结合原有Agentic优化,支持并行任务处理、长期规划和自我迭代。开发者可在Antigravity平台等环境中构建复杂代理,实现端到端自动化。
  • 多模态与长上下文基础:1M tokens上下文窗口(输入约100万)、最高64k输出tokens,原生支持文本、图像、视频、音频等多种模态。知识截止至2025年1月,适合海量文档和多媒体任务。引入“thinking levels”机制,用户可灵活调控推理深度、质量与速度。
  • 安全与企业级防护:内置安全过滤,阻挡可疑输入和风险操作,支持精细权限控制和审计日志,适合生产环境部署。

这些创新让Gemini 3.5 Flash特别适用于软件开发自动化、办公流程优化、测试工程和行业Agent平台等领域,极大降低了构建“能行动”AI的门槛。

API调用价格:性价比突出,适合高频Agent场景

Gemini 3.5 Flash的定价策略延续了Flash系列的高效定位,结合Computer Use增强后,仍保持较强竞争力(2026年最新官方定价):

  • 输入价格:$1.50 / 百万 tokens(付费阶层)
  • 输出价格(含thinking tokens):$9.00 / 百万 tokens
  • 上下文缓存:$0.15 / 百万 tokens/小时(存储价格,较直接输入大幅节省)
  • Grounding with Google Search:每月前5000次免费,之后按量计费
  • 免费阶层:在Gemini App、AI Studio等提供有限额度,支持开发者快速测试。

相较于前代Flash模型,3.5 Flash价格有所上调,但性能提升(尤其Agent和编码任务)显著,整体“每美元智能”更优。较Gemini 3.1 Pro(约$2/$12起)更具成本优势,适合高并发、长上下文或频繁Agent调用的生产场景。企业用户通过Vertex AI / Gemini Enterprise Agent Platform可享受区域定价和批量优惠。

开发者反馈显示,尽管复杂Agent任务会增加token消耗,但结合缓存机制和高速输出(数百tokens/s),总体经济性突出。

Pro版延期背景与战略意义

Gemini 3.5 Pro原计划6月推出,但Google选择延期至7月。目前Pro版已在内部测试和有限企业预览中使用,团队正利用额外时间收集反馈、优化复杂推理和长上下文表现。Sundar Pichai此前在I/O表示“下个月交付”,但实际进度调整至7月。

这一延期反映了Google对旗舰模型质量的严格要求。Pro版预计将带来更强推理、更大上下文(传闻2M tokens)和“Deep Think”模式,进一步完善3.5系列。Flash版的特性增强则让用户无需等待即可享受核心Agentic能力。

▶️ 喜欢这篇内容?创作真的很辛苦!

欢迎关注我们的 YouTube 频道:
AI Rosetta

你的点赞、订阅和分享,是对我们最大的支持!🙏

更多AI新闻请访问: https://www.airosetta.com

CopyrightStatement

Comment

Please login before commenting

NoComments

RelatedNews

LoadingMore

Google Gemini 3.5 Flash“Computer Use”特性大幅增强,Pro版仍延期至7月:Agentic行动能力再上台阶 - Airosetta News