上周Google放了Gemini 3.5 Flash的新功能——它现在能自己“用”电脑了。
不是“帮你写”，是“帮你做”。之前的AI助手能帮你生成文字、梳理信息，但始终要你自己完成落地的操作：要你打开浏览器，要你输入网址，要你点那个蓝色按钮。现在这个功能，是让Gemini 3.5 Flash在模拟的电脑环境里，完成从需求到结果的全流程。比如你说“帮我订下周三下午两点从上海到杭州的高铁票”，它会自己打开Chrome，进入12306官网，核对车次和时间，匹配你的身份信息，最后提交订单——全程不需要你插一句话。它能覆盖的场景不止网页，桌面办公软件、文件管理器、甚至一些专业工具都能适配，只要是人类用鼠标、键盘能完成的操作，它都能转化成对应的AI动作。
核心是“理解逻辑”，不是“堆指令”。很多人猜这是Google给模型加了一堆预设的操作脚本，其实不是。Gemini 3.5 Flash是靠自身的大模型能力，理解每一步操作的目的：比如提交订单前要核对身份证号的位数，选车次时要避开换乘的麻烦，这些都是它根据任务要求自主判断的，不是程序员提前写死的规则。而且它的成本控制得很好，Gemini 3.5 Flash本来就是Google主打低成本的模型，对标GPT-4o mini，加上这个功能后，不会出现“用一次就心疼成本”的情况，普通用户也能轻松调用。
影响最先落到三类人身上。第一类是普通用户，以后找AI帮忙不用再把需求拆成细碎的指令，比如要整理上周的工作邮件，直接说就行，它会自己打开邮箱，分类标记，甚至生成摘要；第二类是内容、运营从业者，需要批量发布内容、整理数据的场景，AI能帮你减少80%的重复操作；第三类是行业竞品，OpenAI之前推出过类似的“电脑使用”功能，但成本是Gemini 3.5 Flash的好几倍，Google把这项能力压到低成本模型上，等于把AI助手的“实操门槛”拉低了一个档次。
目前这个功能还在测试阶段，只能在Google提供的专属模拟环境里运行，还不能直接连接用户自己的电脑，但流畅度已经比之前的同类功能提升了不少。现在的问题是，你觉得，当AI能帮你完成日常的电脑操作时，你会不会反而失去了点亲自动手的“掌控感”？
素材来源：Google DeepMind Blog · AI情报、大模型、AI应用落地
查看报道原文
发表第一条评论吧