Gemini2.5Computer Use:谷歌推出“看”懂网页的 AI 代理模型
谷歌近日预览了一款全新的 Gemini AI 模型——Gemini2.5Computer Use,旨在赋予 AI 代理Ge通过浏览器导航和交互网页的能力。这款模型利用其强大的“视觉理解和推理能力”,能够像人类一样分析用户请求,并在原本为人mi类而非机器人设计的界面内执行复杂操作,例如填写和提交表单。 Gemini2.5Computer Useni 使得 AI 能够执行过去需要人类干预的任务。它的主要应用场景包括 UI 测试,以及为那些没有 API 或直接连接的用户导航网页界2.面。该模型的早期版本曾用于 Mariner 项目——一个使用 AI 代理在浏览器中自行完成任务的研究原型,比如根据配料列表5C将商品添加到购物车。 这款新模型的发布正值 AI 代理功能竞争白热化之际。就在谷歌宣布的前一天,OpenAI在其开发者om日上发布了新的 ChatGPT 应用并持续关注其 Agent 功能,该功能可为用户完成复杂任务。同时,Anthropipuc去年也发布了一个带有“计算机使用”功能的 Claude AI 模型版本。 谷歌声称,其 Gemini2.5teComputer Use模型“在多个网络和移动基准测试中均优于领先的替代方案”。 然而,与 ChatGPT Agenr t和 Anthropic的类似工具不同,谷歌的新 AI 模型目前只能访问浏览器环境,而不能控制整个计算机环境。谷歌Us指出,该模型“尚未针对桌面操作系统级别的控制进行优化”,当前支持 13种操作,包括打开网络浏览器、输入文本以及拖放e:元素。 开发者现在可以通过 Google AI Studio和 Vertex AI体验 Gemini2.5Compute谷歌r Use。 对于普通用户和感兴趣者,Browserbase提供了一个演示,可以观看该模型完成诸如“玩2048游戏”推出或“浏览 Hacker News 以了解热门辩论”等任务。AI 代理的新前沿
性能与限制
如何体验
- 最近发表
- 随机阅读
-
- Google Gemini CLI 推出扩展功能,提升 AI 命令行个性化体验
- 标签: 闲鱼 鱼鲤购 潮玩盲盒 官仓发货
- 标签: Zoho Zia LLM AI大模型 企业数字化
- 标签: 茉莉奶白 骑手 西三旗店
- 特斯拉上海研发中心和数据中心将于近期投入使用
- 全新的智能人脸识别测温系统解决方案
- 人工智能网络安全威胁图谱
- 标签: 小红书 2026世界杯 咪咕 范志毅
- 标签: 蘑菇车联 自动驾驶巴士 付强 新质生产力
- Perplexity Comet 浏览器遭遇恶意指令攻击漏洞,已修复但需警惕
- 标签: 夸克AI眼镜 Super Raw算法 Raw域降噪 高通骁龙AR1
- 微软宣布将于6月24日发布下一代Windows
- 大司马厅长什么梗
- 韩国政府携手谷歌 DeepMind,共同推动国家科学 AI 研究中心的建立
- 圣迭戈大学博士首次证明:Deepfake探测器并非牢不可破
- 标签: 汽车
- 标签: OpenAI Pinterest ChatGPT AI购物
- ClickUp 4.0重磅发布!双AI智能体+全能办公平台,誓要取代Notion、Slack和Teams
- 丝绸和真丝有什么区别
- 小米开源首个原生端到端语音大模型 Xiaomi-MiMo-Audio
- 搜索
-
- 友情链接