返回上一页  首页 | cnbeta报时: 14:58:57
Google发布Gemini 2.5计算机使用模型
发布日期:2025-10-08 12:14:29  稿源:cnBeta.COM

在今年早些时候的 Google I/O 开发者大会上,Google宣布将为 Gemini API 引入计算机使用功能。今天,Google发布了 Gemini 2.5 计算机使用模型,这是一个全新的专用模型,旨在为能够与用户界面 (UI) 交互的代理提供支持。Google声称,该新模型在多个 Web 和移动控制基准测试中均优于其他同类模型 。

Gemini API computer_use 工具的工作原理如下:

  • 开发人员需要将用户请求作为输入发送给工具,其中包括环境的屏幕截图和最近操作的历史记录。

  • 除了输入之外,开发人员还可以指定是否从支持的完整 UI 操作列表中排除功能,或者是否需要包含任何其他自定义功能。

  • 该模型将分析接收到的输入并生成响应,这将是 UI 操作之一,例如单击或键入。

  • 如果模型不确定,它甚至可能会请求最终用户确认。例如,如果该操作与购买商品有关,则需要用户确认。

  • 然后,客户端代码执行接收到的操作,例如单击按钮或显示最终用户确认。

  • 一旦操作完成,当前 GUI 的新屏幕截图和当前 URL 将作为函数响应发送回计算机使用模型,重新开始循环。

  • 重复上述步骤,直至达到主要任务目标。

虽然 Gemini 2.5 计算机使用模型针对网页浏览器进行了优化,但 Google 声称该模型在移动 UI 控制任务中也表现出色。Google特别提到 ,该模型尚未针对桌面操作系统级别的控制进行优化。正如您在下面的基准测试中看到的,Gemini 2.5 计算机使用模型在几个关键基准测试中都取得了最佳结果。

Gemini 2.5 计算机使用模型现已公开预览,开发人员可以通过 Google AI Studio 和 Vertex AI 上的 Gemini API 访问它。

我们在FebBox(https://www.febbox.com/cnbeta) 开通了新的频道,更好阅读体验,更及时更新提醒,欢迎前来阅览和打赏。
查看网友评论   返回完整版观看

返回上一页  首页 | cnbeta报时: 14:58:57

文字版  标准版  电脑端

© 2003-2025