谷歌近日完成了一项对人工智能生态的关键性升级，将原生“计算机操作”功能直接嵌入Gemini3.5Flash模型中，彻底替代了此前使用的Gemini2.5测试框架。这一举措标志着人工智能不再局限于对话交互，而是向具备实际任务执行能力的“数字助手”方向迈进，为AI代理技术的落地应用开辟了新路径。
通过Gemini API接口，开发者能够利用该模型的原生能力构建智能代理系统。这些系统无需编写复杂的底层代码，即可像人类用户一样通过解析屏幕截图等视觉信息理解界面内容，并自动完成导航、点击、数据输入等操作。目前，该技术已在办公自动化、软件测试、跨平台数据处理等领域展现出显著优势，例如自动化完成网页浏览、表单填写、按钮点击等重复性工作，甚至能高效处理桌面端、移动端和浏览器环境中的数据收集任务。
为推动开发者快速接入这一技术，谷歌在Browserbase平台开设了实时演示专区，提供企业级代理平台的功能测试环境。针对AI控制鼠标键盘可能引发的安全风险，如间接指令注入攻击，谷歌通过专项对抗训练增强了模型的防御机制。同时推出两项企业级安全方案：其一要求AI在执行敏感操作前必须获得人工授权，其二可在检测到异常攻击时自动暂停任务进程，从多维度保障用户系统安全。
配合此次模型升级，谷歌同步发布了Chrome149稳定版浏览器。新版本新增“屏幕内容选择”功能，用户可通过拖拽框选网页中的任意图像或文本，直接将其转化为Gemini的交互提示词。这一改进显著简化了基于网页内容的提问流程，使人机交互更加直观高效。
此次技术整合不仅深化了AI模型与操作系统的融合程度，更反映出行业发展趋势的转变——从单纯追求模型参数规模转向注重实际工具运用与任务执行能力。这种转变将加速AI代理在企业自动化流程和消费级服务中的渗透，推动人机协作模式与软件应用形态发生根本性变革，为构建真正自主的AI系统奠定基础。
