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mi在原本为人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。
AI 代理的新前沿
Gemini2.5Computnier Use 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2.用户导航网页界面。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5C型,比如根据配料列表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om天,OpenAI在其开发者日上发布了新的 ChatGPT 应用并持续关注其 Agent 功能,该功能可为用户完成复杂任pu务。同时,Anthropic去年也发布了一个带有“计算机使用”功能的 Claude AI 模型版本。
性能与限制
谷歌声称,te其 Gemini2.5Computer 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 Chatr GPT Agent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Us算机环境。谷歌指出,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e:文本以及拖放元素。
如何体验
开发者现在可以通过 Google AI Studio和 Vertex AI体验 Gemini谷歌2.5Computer 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“推出玩2048游戏”或“浏览 Hacker News 以了解热门辩论”等任务。
- ·Hadoop 数据迁移用法详解
- ·云计算开发:Python内置函数-isinstance() 函数详解
- ·标签: OPPOFindN6 AppleWatch 微信折叠发图 OPPOWatchX3
- ·谷歌放大招!Gemini CLI一键接入MCP,开发者告别配置地狱
- ·谷歌在AI 生成的搜索答案嵌入广告
- ·标签: 瑞萨电子 刘芳 Malini 半导体
- ·蚂蚁百灵推出开源高效思考模型,推理成本大幅降低
- ·标签: Elser.AI 刘耕 短剧AI 北大
- ·腾讯云宣布在曼谷、法兰克福、东京、香港新投产四个数据中心
- ·标签: 中科闻歌 通用决策大模型 1956.HK 决策智能
- ·2021年数据产业五大趋势预测
- ·Google发布语义分割新数据集!顺带开发个模型屠榜,已被CVPR2021接收
- ·像「毒液」一样可变形、修复的机器人来了,轻松穿过1.5毫米细缝
- ·将点云与RGB图像结合,谷歌&Waymo提出的4D-Net,检测远距离目标
- ·AI 编程公司Replit 融资 2.5 亿美元,估值达 30 亿美元
- ·维基百科编辑总结识别 AI 写作的关键特征
