🎯 情报来源：AI | VentureBeat
谷歌DeepMind实验室近日发布专为网页交互优化的Gemini 2.5 Pro Computer Use模型，该模型通过虚拟浏览器可实现表单填写、验证码识别等复杂操作。测试数据显示，其在Browserbase的WebVoyager基准测试中以79.9%准确率领先Claude Sonnet 4（69.4%）和OpenAI Agent（61.0%）。
该模型采用与Browserbase合作的特殊架构，开发者可通过Google AI Studio和Vertex AI平台接入。谷歌支付平台团队内部测试显示，其能自动修复60%的测试失败案例，第三方平台Autotab报告其复杂数据解析性能提升18%。不过当前版本暂不支持本地文件操作，输出仅限于UI动作建议。
💡 核心要点
- 基准测试表现：WebVoyager（79.9%）、AndroidWorld（69.7%）等三项关键指标领先竞品10.5%-19.6%
- 商业应用实效：支付测试修复率60%，数据解析效率提升18%，交互速度比竞品快50%
- 技术特性：支持click_at/type_text_at等14种UI动作，响应延迟低于行业水平
- 接入方式：通过Gemini API提供，输入/输出token定价与标准版一致（$1.25-$15/百万token）
- 安全机制：每步动作需安全服务审查，高风险操作强制人工确认
📌 情报分析
技术价值：极高
在多模态交互领域实现突破性进展，其65.7%-79.9%的基准测试成绩显著超越主流竞品，验证了视觉-功能混合交互范式的可行性。
商业价值：高
已证实可提升60%测试自动化效率，但$1.25/百万token的定价策略与功能限制（无免费层）可能影响中小开发者采用。
趋势预测：高
谷歌将模型深度整合至Firebase等核心产品线，结合其响应速度优势，预示AI代理将快速渗透UI自动化测试、电商客服等垂直领域。