Gemini 3.5 Flash حالا کامپیوترو کنترل میکنه
هوش مصنوعی
گوگلخلاصهٔ کاملتر
گوگل دیپمایند اعلام کرد که قابلیت «کنترل کامپیوتر» (computer use) حالا یه ابزار داخلیِ توکار تو مدل Gemini 3.5 Flash هست و بهترین کارایی این شرکت تا امروز تو کارهای عاملیِ کامپیوتریه. قبلاً این قابلیت فقط بهصورت یه مدل جدا با نام Gemini 2.5 computer use در دسترس بود، ولی حالا مستقیم داخل مدل اصلی Flash جا گرفته.
به گفتهٔ گوگل، Gemini از قبل تو فراخوانی تابع و استفاده از ابزارهای توکار مثل Search و Maps خوب بود، و حالا با این قابلیت توسعهدهندهها میتونن عاملهای سفارشیای بسازن که تو محیطهای مرورگر، موبایل و دسکتاپ میبینن، استدلال میکنن و کار انجام میدن. این موضوع کارایی رو برای کارهای بلندمدت و خودکارسازی سازمانی مثل تست پیوستهٔ نرمافزار و کارهای دانشی تو نرمافزارهای حرفهای بهتر میکنه.
توسعهدهندهها و شرکتها میتونن از این قابلیت تو 3.5 Flash از طریق Gemini API و پلتفرم Gemini Enterprise Agent شروع به استفاده کنن. گوگل چند نمونه هم نشون داده؛ مثلاً مدل با کنترل کامپیوتر، اپ Gemini رو تحلیل میکنه و یه فهرست دستهبندیشده از قابلیتهاش برمیگردونه، یا مستندات خودش رو از نظر مشکلات دسترسپذیری بازبینی میکنه.
بخش مهم اعلامیه دربارهٔ ایمنیه. برای کم کردن ریسک تزریق پرامپت (prompt injection) موقع کار عامل تو محیطهای زنده، گوگل از آموزش خصمانهٔ هدفمند استفاده کرده و دو سیستم محافظ اختیاری برای شرکتها هم منتشر کرده: یکی برای اینکه برای کارهای حساس یا برگشتناپذیر تأیید صریح کاربر لازم بشه، و یکی برای اینکه اگه یه تزریق پرامپت غیرمستقیم شناسایی شد، کار بهصورت خودکار متوقف بشه.
گوگل با رویکرد «دفاع لایهلایه» توصیه میکنه توسعهدهندهها این قابلیتها رو با سندباکس امن، نظارت انسانی تو حلقه (human-in-the-loop) و کنترل دسترسی سختگیرانه ترکیب کنن. برای شروع هم میشه قابلیت رو تو یه محیط دمو که Browserbase میزبانیاش میکنه امتحان کرد یا سراغ پیادهسازی مرجع و مستنداتش رفت.
نکات کلیدی:
- «کنترل کامپیوتر» حالا ابزار داخلی Gemini 3.5 Flash هست، نه یه مدل جدا
- عاملها میتونن تو مرورگر، موبایل و دسکتاپ ببینن، استدلال کنن و اقدام کنن
- مناسب کارهای بلندمدت مثل تست پیوستهٔ نرمافزار و خودکارسازی سازمانی
- برای مقابله با تزریق پرامپت، آموزش خصمانه و دو محافظ اختیاری اضافه شده
- در دسترس از طریق Gemini API و پلتفرم Gemini Enterprise Agent
