前脚大家还在热议OpenAI的“电脑操控助手”多神奇，谷歌10月8号凌晨就扔出了王炸：Gemini 2.5 Computer Use模型。

这玩意最牛的地方在于，能像人一样玩转浏览器，点鼠标、滚页面、输文字。

一套动作下来丝毫不含糊，说是“AI 自己当网管”都不夸张。

说起来这发布时机挺有讲究，前几天谷歌刚更新Chrome的开发工具，转头就亮出这个模型，明显是早有准备。

跟OpenAI的CUA、Anthropic的Claude Computer Use比，三者思路差不多。

都是让AI直接上手操作浏览器，但谷歌这次的表现确实有点东西。​

官方演示看得人眼前一亮：从网站上扒加州所有宠物的信息，填进宠物水疗的客户系统。

最后还能约好10月10号早上8点后跟专家Anima Lavar的复诊，整个流程顺得像老员工干活。

还有整理混乱的便签板，把零散笔记拖进对应分类，准确率也很高。

数据更亮眼，WebVoyager测试里准确率88.9%，比OpenAI的同类模型高 1.9 个百分点；

Online-Mind2Web测试里，把OpenAI和Anthropic的Claude Sonnet 4.5都甩在了后面。

225秒就能在关键测试里冲到70%以上准确率，速度比对手快不少。​

不过有网友试验之后发现，这AI有点“偏科”。

简单任务比如“找维基百科的John Wick页面”，秒完成；

可一旦加了难度，比如“找页面还得总结成中文”，直接卡壳。

让它查今年诺贝尔奖的宣布时间表，也没能成功打开官网完成任务。

而且演示版最多只能用5分钟，还不能中途接手，这点挺受限。​

说实话，这状况挺真实的。

现在的AI智能体就像刚学开车的新手。

直线加速没问题，遇到复杂路况就慌神。

毕竟多步骤、跨网站的任务需要精准的逻辑衔接。

这正是目前AI的短板，也难怪这些模型都还藏在“预览版”里不敢正式上线。​

AI当“电脑管家”怕翻车？

可能有人会问：让AI直接操控电脑，万一乱点付款链接、改系统设置怎么办？

这问题谷歌确实想到了，Gemini 2.5 Computer Use的安全设计藏了不少小心思。

毕竟是要直接碰用户设备的东西，安全这块不能马虎。​

先说说它到底是怎么干活的。

这模型靠Gemini API里新增的“computer_use”工具实现功能。

说白了就是个“看、想、动” 的循环：先通过截图“看见”屏幕上的内容。

结合用户需求和之前的操作记录琢磨下一步，然后生成点击、输入这类动作指令。

执行完再看新截图继续循环，直到任务完成或者出问题停下。

有意思的是，要是涉及购买这类敏感操作，它会主动找用户确认。

不过它目前主要针对浏览器优化，虽然在“AndroidWorld”测试里显示出操控手机界面的潜力，但还没法好好搞定电脑桌面系统。

这其实是个聪明的选择，先聚焦浏览器这个高频场景练手，比一下子贪多求全要稳妥。​

安全防护上，谷歌下了双保险。

一方面训练时就植入了安全机制，专门对付恶意使用、模型误操作这些风险；

另一方面给开发者准备了“安全开关”。

像损害系统、绕开验证码、控制医疗设备这些高危操作。

要么直接禁止，要么必须让用户点头确认。

更关键的是有个“步步安检”服务，AI每想做个动作，都得先过独立安全系统的审核。​

不过有一点值得注意的是，等AI能力再强点，要是被用来搞诈骗、注入恶意指令，光靠技术手段未必够。

这已经不只是谷歌一家的事了，而是整个行业都得面对的考题。​

现在巨头们都在AI智能体赛道上发力，谷歌这次算是暂时领跑，但基准测试的输赢不算终局。

就像当年智能手机刚出来时，谁也没想到现在的样子。

虽说眼下的AI还会 “翻车”，但键盘鼠标被自然语言取代的趋势，已经越来越明显了。​