Google ha reso il controllo del computer uno strumento integrato in Gemini 3.5 Flash. La funzione, chiamata “computer use”, permette di costruire agenti capaci di interagire su diverse piattaforme.
In precedenza questa capacità era disponibile solo come modello autonomo Gemini 2.5 computer use. Ora è integrata nativamente nel modello principale della linea Flash.
Secondo Google, si tratta delle migliori prestazioni finora ottenute dall’azienda per compiti agentici legati all’uso del computer. L’annuncio porta la firma di Mateo Quiros, Product Manager di Google DeepMind.
Come funziona la nuova capacità
Gemini era già efficace nel function calling e nell’uso di strumenti integrati come il grounding con Search e Maps. Con il controllo del computer, gli sviluppatori possono costruire agenti che vedono, ragionano e agiscono.
Questi agenti operano su ambienti browser, mobile e desktop. La capacità apre a prestazioni migliori per compiti a lungo orizzonte e per l’automazione aziendale.
Tra gli esempi citati figurano il testing continuo del software e il lavoro di conoscenza svolto su applicazioni professionali. In una dimostrazione, Gemini 3.5 Flash analizza l’app Gemini e restituisce un elenco categorizzato di funzioni.
In un altro caso, il modello verifica la propria documentazione per individuare problemi di accessibilità. Google ha inoltre condiviso risultati di benchmark per il modello, con riferimento a valutazioni sull’uso del computer come OSWorld.
Sicurezza e misure di protezione
Per ridurre i rischi di prompt injection negli ambienti live, Google applica un addestramento avversariale mirato al controllo del computer in Gemini 3.5 Flash. L’azienda rilascia inoltre due sistemi di salvaguardia opzionali per le imprese.
Il primo consente di richiedere una conferma esplicita dell’utente per azioni sensibili o irreversibili. Il secondo interrompe automaticamente i compiti se viene identificata una prompt injection indiretta.
Google adotta un approccio di “difesa in profondità”. L’azienda invita gli sviluppatori a combinare queste funzioni con sandboxing sicuro, verifica umana e controlli di accesso rigorosi.
Ulteriori informazioni sulle misure di sicurezza sono disponibili nella documentazione dedicata alle best practice pubblicata dall’azienda.
Disponibilità per sviluppatori e aziende
Google riferisce che alcuni clienti stanno già ottenendo valore dal controllo del computer. Tra le aziende citate figurano Browserbase, Browser Use e UiPath.
Per iniziare, è possibile testare le capacità in un ambiente demo ospitato da Browserbase. Google mette inoltre a disposizione un’implementazione di riferimento e la documentazione tramite la Gemini API e la Gemini Enterprise Agent Platform.
La funzione è accessibile sia dalla Gemini API sia dalla Gemini Enterprise Agent Platform, i due canali principali indicati per lo sviluppo. In questo modo la capacità raggiunge tanto i singoli sviluppatori quanto le organizzazioni.
La funzione punta a sostenere workflow complessi e automazioni che si estendono nel tempo, con l’obiettivo di rendere gli agenti più affidabili nei contesti professionali.
Articolo originale: blog.google
