谷歌通过将原生计算机操作集成至 Gemini 3.5 Flash 中,打破了多模态切换的壁垒。

Google DeepMind 团队宣布取得了重大突破,他们将原生计算机操作能力直接整合到了 Gemini 3.5 Flash 模型中。如今,开发者只需使用同一个模型,就能构建出能够在浏览器、移动设备和桌面端上自主查看屏幕内容并执行相应操作的 AI 智能体。
此前,这项功能仅作为独立的模型提供,开发者不得不处理不同模型之间的复杂切换与上下文传递问题。通过原生集成后,AI 在执行跨平台的长时任务时无需再手动传递信息,从而大幅简化了开发流程。
避免上下文丢失以提高智能体可靠性
Google 的团队认为,AI 智能体的核心瓶颈并非单个工具的局限性,而是在切换不同工具时会出现的上下文信息丢失问题。通过将搜索、地图和计算机操作统一在同一个模型架构中,上下文能够实现连续流转,进而显著降低复杂任务出错的可能性。
这种“多工具集成”的设计类似于建造一座内部设有连接通道的单一建筑,从而避免了多座独立建筑之间繁琐且易出错的通信过程。这样的架构变革有望大幅提升基于智能体的任务的可靠性与响应速度。
针对三种核心场景构建多层安全防护体系
这项原生能力将主要应用于三种核心场景:需要连续运行数小时或数天的自动化任务、用于自动验证 UI 一致性的持续软件测试,以及涉及多款应用程序的知识密集型工作。这些场景高度依赖任务间的上下文连贯性,能够有效替代人类执行重复性、高强度的操作。
在安全性方面,Google 采用了多层防御策略,包括针对性的对抗性训练、针对敏感操作的企业级安全防护措施,以及间接提示注入检测功能。这些机制共同帮助企业用户在开放且缺乏管控的计算机环境中建立起较为完善的安全屏障。
相关文章
美国股市触及历史里程碑,人工智能与航空航天巨头准备开启万亿美元时代
埃隆·马斯克、山姆·阿尔特曼和达里奥·阿莫迪,这三位科技领域的巨头,正推动其各自的企业迈向首次公开募股(IPO)。随着 SpaceX、OpenAI 和 Anthropic——这三家估值接近万亿美元的行业巨头——即将上市,2026 年被预测将成为美国历史上新股发行规模最大的一年。这一历史性的资本激增已引起全球金融界的关注,成为检验公共市场吸收如此大规模资金能力的关键压力测试。这些主要融资活动的同步启动预计将打破 2021 年创下的 1560 亿美元纪录。超级独角兽的资本博弈每家公司上市的路径
瑞典人工智能初创公司Lovable Eyes在完成主要融资轮后估值达132亿美元
随着人工智能驱动的编码工具日益普及,瑞典初创公司 Lovable 已获一轮重大融资。该公司计划筹集 30 亿美元,其估值有望升至 132 亿美元——这是去年 12 月记录的 66 亿美元的两倍。预计 Menlo Ventures 将主导此次投资。Lovable 的吸引力源于其核心的“氛围编码”(vibe coding)技术,该技术通过消除对复杂编码技能的需求来简化软件开发。用户只需以自然语言描述其需求,系统即可自动生成应用程序。这种直观的方法吸引了个人开发者、设计师和小企业,并扩展至 Work
Google 测试 Remy AI 代理,以 Gemini 为重点转向用户控制
根据《商业内幕》的报道,谷歌正在测试 Remy,这是 Gemini 的一款全新 AI 个人代理工具。该工具旨在代表用户执行任务,从而简化专业工作流程和日常事务。目前,Remy 正在 Gemini 应用的内部员工专属版本中进行测试。该报告引用了一份内部文件以及对两位熟悉该项目的个人的采访。内部资料将 Remy 描述为“全天候个人代理”,将 Gemini 定位为能够代表用户行事的主动助手。接近该项目的消息人士证实,谷歌员工正在积极测试 Remy。谷歌发言人拒绝提供进一步评论。该报告未提及公开发布
相关专题推荐
评论 (0)
0/500

Google DeepMind 团队宣布取得了重大突破,他们将原生计算机操作能力直接整合到了 Gemini 3.5 Flash 模型中。如今,开发者只需使用同一个模型,就能构建出能够在浏览器、移动设备和桌面端上自主查看屏幕内容并执行相应操作的 AI 智能体。
此前,这项功能仅作为独立的模型提供,开发者不得不处理不同模型之间的复杂切换与上下文传递问题。通过原生集成后,AI 在执行跨平台的长时任务时无需再手动传递信息,从而大幅简化了开发流程。
避免上下文丢失以提高智能体可靠性
Google 的团队认为,AI 智能体的核心瓶颈并非单个工具的局限性,而是在切换不同工具时会出现的上下文信息丢失问题。通过将搜索、地图和计算机操作统一在同一个模型架构中,上下文能够实现连续流转,进而显著降低复杂任务出错的可能性。
这种“多工具集成”的设计类似于建造一座内部设有连接通道的单一建筑,从而避免了多座独立建筑之间繁琐且易出错的通信过程。这样的架构变革有望大幅提升基于智能体的任务的可靠性与响应速度。
针对三种核心场景构建多层安全防护体系
这项原生能力将主要应用于三种核心场景:需要连续运行数小时或数天的自动化任务、用于自动验证 UI 一致性的持续软件测试,以及涉及多款应用程序的知识密集型工作。这些场景高度依赖任务间的上下文连贯性,能够有效替代人类执行重复性、高强度的操作。
在安全性方面,Google 采用了多层防御策略,包括针对性的对抗性训练、针对敏感操作的企业级安全防护措施,以及间接提示注入检测功能。这些机制共同帮助企业用户在开放且缺乏管控的计算机环境中建立起较为完善的安全屏障。
美国股市触及历史里程碑,人工智能与航空航天巨头准备开启万亿美元时代
埃隆·马斯克、山姆·阿尔特曼和达里奥·阿莫迪,这三位科技领域的巨头,正推动其各自的企业迈向首次公开募股(IPO)。随着 SpaceX、OpenAI 和 Anthropic——这三家估值接近万亿美元的行业巨头——即将上市,2026 年被预测将成为美国历史上新股发行规模最大的一年。这一历史性的资本激增已引起全球金融界的关注,成为检验公共市场吸收如此大规模资金能力的关键压力测试。这些主要融资活动的同步启动预计将打破 2021 年创下的 1560 亿美元纪录。超级独角兽的资本博弈每家公司上市的路径
瑞典人工智能初创公司Lovable Eyes在完成主要融资轮后估值达132亿美元
随着人工智能驱动的编码工具日益普及,瑞典初创公司 Lovable 已获一轮重大融资。该公司计划筹集 30 亿美元,其估值有望升至 132 亿美元——这是去年 12 月记录的 66 亿美元的两倍。预计 Menlo Ventures 将主导此次投资。Lovable 的吸引力源于其核心的“氛围编码”(vibe coding)技术,该技术通过消除对复杂编码技能的需求来简化软件开发。用户只需以自然语言描述其需求,系统即可自动生成应用程序。这种直观的方法吸引了个人开发者、设计师和小企业,并扩展至 Work





首页






