Google 发布 “Gemini Computer Use” 模型：AI 开始“动手”，像人一样操作网页！ Google 推出 Gemini 2.5 Computer Use 模型，让 AI 不再只是对话，而是能像真人一样在浏览器里操作网页：打开标签、点击按钮、填写表单、拖拽元素……甚至完成一整套网页任务，而无需依赖后台 API。 🔸 功能亮点： · 支持 13 种网页交互：开标签页、输入、点击、拖放、提交表单等； · 适用于没有 API 的网站，比如 UI 自动化测试、表单填报、网页模拟操作； · 在多项网页/移动端任务基准中，性能超过一些主流自动化工具； · 已对开发者开放，可通过 Google AI Studio、Vertex AI 或 Browserbase 演示体验。 个人观点： 这标志着 Google 正在推动 AI 向“Agent”路线迈进：不只是会说，更会干活。相比 GPT 通过 API 调用的方式，浏览器级操作更通用，也更贴近真实用户场景。 当然，也存在局限：目前只支持浏览器层面操作，对复杂网页 UI 的适应性仍有限，权限与安全控制也必须加强。 🔹 如果让 AI 来“帮你上网”，你最希望它自动完成什么任务？自动填报网页？抢票？UI 测试？还是信息采集？ GoogleAIMode Gemini agenticAI 浏览器自动化
