🎯 情报来源：AI
谷歌今日正式发布基于Gemini 2.5 Pro的专用模型Gemini 2.5 Computer Use，该模型通过视觉理解和推理能力，使AI代理能够直接与用户界面（UI）交互。据官方披露，该模型在多项网页和移动控制基准测试中表现优于领先竞品，且延迟更低。开发者现可通过Google AI Studio和Vertex AI的Gemini API访问这些功能。
传统AI模型需通过结构化API与软件交互，而许多数字任务（如填写提交表单）仍需直接操作图形界面。Gemini 2.5 Computer Use实现了原生表单填写、下拉菜单操作、登录后操作等人类式交互，标志着通用型AI代理开发的关键进展。模型采用循环工作机制，通过实时截图分析生成点击/输入等动作指令，并在执行后反馈新截图形成闭环。
💡 核心要点
- 性能优势：在网页/移动控制基准测试中全面超越竞品，延迟降低（具体数值未披露）
- 技术架构：基于Gemini 2.5 Pro的视觉理解能力，支持实时截图分析+动作指令生成循环
- 安全机制：内置三步防护（模型训练层/推理时安全服务/开发者自定义指令），禁止高风险操作如绕过验证码
- 应用场景：优先优化网页浏览器交互，移动UI控制已展示潜力，暂不支持桌面系统级控制
- 开放程度：即日通过Gemini API向开发者开放，集成于Google AI Studio和Vertex AI平台
📌 情报分析
技术价值：高 – 突破性实现像素级UI理解与操作闭环，但桌面系统支持仍是短板
商业价值：极高 – 直接解决RPA（机器人流程自动化）领域核心痛点，谷歌云平台集成带来变现通路
趋势预测：高 – 基准测试优势+低延迟特性可能重塑自动化工具市场格局（需观察实际部署成本）