Google oddaje kontrolę modelowi Gemini 3.5 Flash. „Computer Use” wychodzi z fazy eksperymentów
Google przestało traktować autonomiczne sterowanie komputerem jako ciekawostkę dla wybranych. Najnowsza aktualizacja modelu Gemini 3.5 Flash integruje funkcję „Computer Use” bezpośrednio w głównej architekturze, co zmienia przeglądarkę, pulpit i aplikacje mobilne w plac zabaw dla agentów AI. Nie jest to już osobny, testowy wariant modelu, ale natywne narzędzie gotowe do pracy w skali masowej.
Dlaczego to istotne właśnie teraz? Według najnowszych danych z czerwca 2026 roku, mniejsze i szybsze modele, takie jak Flash, zaczynają dorównywać flagowcom w konkretnych, operacyjnych zadaniach. Integracja ta pozwala programistom budować narzędzia, które widzą ekran i wykonują na nim akcje tak, jak człowiek – bez konieczności przełączania się między wieloma specjalistycznymi silnikami. Jak zauważył Lepper podczas prezentacji w Google AI Studio: „To zamienia kontrolę nad przeglądarką i pulpitem z oddzielnego modelu podglądowego w standardowe narzędzie głównej linii Flash”.
Wydajność w liczbach: pościg za liderami
Najnowsze testy na benchmarku OSWorld-Verified pokazują, że Gemini 3.5 Flash z wynikiem 78,4 punktów znacząco przewyższa swojego poprzednika (Gemini 3 Flash uzyskał 65,1 pkt) i niemal zrównuje się z flagowym modelem GPT-5.5 od OpenAI, który notuje 78,7 pkt. Choć na czele stawki wciąż znajduje się Opus 4.8 od Anthropic (83,4 pkt), Google udowadnia, że optymalizacja pod kątem konkretnych operacji przynosi efekty. Gemini 3.5 Flash dorównał tym samym modelowi Sonnet 4.6, oferując przy tym okno kontekstowe rzędu 1 mln tokenów.
Przeglądarka, smartfon i pulpit w jednym
Google wdrożyło obsługę trzech środowisk:
ENVIRONMENT_BROWSER(domyślne),ENVIRONMENT_MOBILE,ENVIRONMENT_DESKTOP.
Pozwala to na tworzenie agentów działających płynnie między platformami. Model cechuje się wysoką sprawnością w zadaniach programistycznych i agentowych, co potwierdza wynik 76,2% w teście Terminal-Bench 2.1. Przedstawiciele firmy w oficjalnym komunikacie zaznaczają: „Z wbudowaną funkcją computer use, deweloperzy mogą teraz używać 3.5 Flash do budowania agentów, które widzą, rozumują i podejmują działania w każdym środowisku”.
Bezpieczeństwo i dostępność
Oddanie kontroli nad kursorem sztucznej inteligencji rodzi obawy o ataki typu „prompt injection”. Google wprowadziło zabezpieczenia klasy korporacyjnej – system wymaga potwierdzenia użytkownika przy operacjach nieodwracalnych i przerywa zadanie, jeśli wykryje próbę przejęcia procesu przez złośliwy kod. Nowa funkcjonalność jest już dostępna poprzez Gemini API oraz platformę Gemini Enterprise Agent. Inżynierowie zalecają jednak, by nową technologię wdrażać najpierw w bezpiecznych piaskownicach (sandbox) i pod nadzorem człowieka, szczególnie w procesach automatyzacji biurowej.
