Gemini 3.5 Flash учится использовать компьютер: новый шаг к AGI
DeepMind представил возможность взаимодействия Gemini 3.5 Flash с компьютерным интерфейсом — модель может самостоятельно кликать, вводить текст и навигировать по GUI. Это приближает ИИ к автономным цифровым агентам.
DeepMind, исследовательское подразделение Google, объявил о внедрении в модель Gemini 3.5 Flash возможности «использования компьютера» (computer use). Это означает, что ИИ-агент теперь способен не просто генерировать текст, а напрямую взаимодействовать с графическим интерфейсом: наводить курсор, кликать по элементам, заполнять формы и запускать приложения. Фактически модель становится агентом, способным выполнять действия в цифровой среде.
Что произошло
В новой версии Gemini 3.5 Flash добавлен модуль, который интерпретирует скриншоты экрана и преобразует команды пользователя в последовательность действий с мышью и клавиатурой. Модель анализирует текущее состояние интерфейса, принимает решение о следующем шаге и выполняет его. Например, она может открыть браузер, найти нужную страницу, скопировать данные в таблицу и отправить письмо. Всё это происходит без необходимости писать код или использовать API — только через визуальное восприятие экрана.
Почему это важно
До сих пор большинство ИИ-систем работали в изолированной среде: они отвечали на вопросы или генерировали контент, но не могли напрямую воздействовать на операционную систему. Возможность «использовать компьютер» радикально расширяет сферу применения ИИ. Это шаг к созданию универсальных цифровых помощников, которые смогут автоматизировать рутинные задачи: от работы с документами до тестирования ПО. Для бизнеса это означает снижение затрат на ручной труд, а для разработчиков — появление нового класса агентов, способных замещать человека в повторяющихся операциях.
«Computer use — это не просто очередная функция, а смена парадигмы: ИИ перестаёт быть пассивным генератором текста и становится активным участником цифрового рабочего процесса», — отмечают аналитики DeepMind.
Что дальше
Пока функция доступна в ограниченном режиме и требует доработки: модель может ошибаться в нестандартных интерфейсах или при неожиданных всплывающих окнах. Однако уже сейчас понятно, что это направление станет одним из ключевых в ближайшие год-два. DeepMind планирует интегрировать computer use в более широкую линейку Gemini, а также выпустить инструменты для безопасной настройки таких агентов. В перспективе это может привести к появлению полностью автономных ИИ-сотрудников, которые смогут работать за компьютером так же, как человек.
Материал подготовлен с помощью ИИ на основе открытых источников и может содержать неточности. Нашли ошибку — напишите на hello@tolk.media.