谷歌 DeepMind 團隊宣佈了一項重大技術突破，將原生的計算機使用能力直接集成到了 Gemini 3.5 Flash 模型中。這意味着開發者現在只需通過單一模型，就能構建出在瀏覽器、手機和電腦桌面上自主看屏並執行操作的 AI 智能體。

此前這項能力僅作爲一個獨立模型提供，開發者需要在不同模型之間進行復雜的切換與上下文傳遞。如今實現原生集成後，AI 在執行跨平臺長任務時無需再手動傳遞信息，極大地簡化了開發流程。

告別上下文丟失，直擊 Agent 可靠性痛點

谷歌團隊認爲，AI 智能體的核心瓶頸並不在於單個工具的極限，而在於多個工具切換時容易造成的上下文信息丟失。通過將搜索、地圖和計算機操作統一在一個模型架構下，上下文得以連續流動，大幅降低了複雜任務中途失敗的概率。

這種“多工具合一”的設計，就如同直接建造一座內部連通的綜合建築，省去了多棟獨立建築之間漫長且容易出錯的通信過程。這種架構級別的調整，有望爲代理式任務的可靠性和響應延遲帶來實質性的改善。

鎖定三大核心場景，築牢多層安全防線

這項原生能力將主要應用於三大核心場景，包括需要數小時甚至數天持續操作的自動化任務、自動驗證用戶界面一致性的持續性軟件測試，以及跨應用的知識性工作。這些場景都高度依賴於多任務之間的上下文連續性，能有效替代人類進行重複高能耗的操作。

在安全設計上，谷歌採用了包含針對性對抗訓練、敏感操作企業安全護欄以及間接提示注入檢測在內的多層防禦策略。面對開放且不可控的真實計算機環境，這些機制將共同爲企業用戶構建起相對完整的安全邊界。