谷歌 Gemini Computer Use 正式可用

时间：2026年10月30日 地点：美国山景城，Google Gemini API 开发者平台（线上） 人物：Google Gemini API 团队；使用 Gemini API 的开发者与 AI 产品团队 事件详情：Google 在 10 月 30 日更新的 Gemini API 版本说明里，把 Computer Use 工具从公开预览转为正式可用（GA），同时覆盖 Interactions 与 GenerateContent 两套 API。这个工具本身不驱动电脑：应用把用户需求、环境类型和截图交给模型，模型返回一个 function_call 形式的动作（点击、输入、滚动等），由客户端执行后再回传新截图，形成连续控制循环；坐标以 1000×1000 的归一化空间返回、取值 0 到 999 的整数，换算成真实像素要开发者自己做。官方文档列出四个可用模型：gemini-4-argon 用于复杂智能体流程、gemini-3.8-flash 是官方推荐的界面交互默认选择、gemini-3.5-flash-lite 面向低延迟高并发、gemini-3-flash-preview 是预览版且不建议用于生产。Gemini 4 与 Gemini 3.x 模型的动作会附带 intent 字段说明模型为何这么选，并可返回可选的 safety_decision。计费上没有免费层，Computer Use 只能在付费层使用，按底层模型的普通 token 计费、不额外加价，但每一轮回传的截图同样计入 token，所以一次二十步的表单填写等于二十次视觉调用再加重试；官方定价页显示 Flash Standard 每百万输入 token 0.75 美元、输出 3.75 美元，该价格持续到 2026 年 12 月 31 日。安全方面，Gemini 4 与 Gemini 3.x 会把每个动作对照七类内置安全策略评估（金融交易、敏感数据修改、通讯工具、账号创建、数据修改、用户同意管理、法务条款与协议），可能返回 require_confirmation 而不是可执行动作；提示注入检测默认关闭，需要显式打开 enable_prompt_injection_detection，且要求 Gemini 3.5 Flash-Lite 或更高版本。 背景：Computer Use 最早是 2025 年 10 月 7 日随 Gemini 2.5 Computer Use 模型公开预览登场，晚于 Anthropic 的同名能力；2026 年 6 月 24 日 Google 在 Gemini 3.5 Flash 上线该工具的公开预览版本，带上带 intent 的简化动作、浏览器与移动端与桌面三类环境支持、可配置安全策略以及提示注入检测。10 月 30 日的 GA 条目只有一句话，没有新模型 ID、没有新动作 schema、也没有价格变化，变的只是服务状态，预览版接入的截图循环照常可用，只是可以放心进生产。同期 Google 在 Gemini API 上动作密集：5 月推出 Managed Agents 与 Antigravity Agent，10 月 13 日 Gemini 4 Argon 正式可用，10 月 27 日又发布命令行工具 gemini-api 的测试版。 影响：对做浏览器自动化、表单批量填充、Web 应用与用户流程自动化测试、跨站点采集商品与价格信息的团队来说，GA 去掉的正是「预览版不保证稳定」这个反对理由，接入门槛也不高，官方参考实现 google-gemini/computer-use-preview 以 Apache-2.0 开源，支持本地 Playwright 与 Browserbase 云浏览器两条路线。但成本模型必须重算，因为每轮都要回传截图，步数、重试次数与截图分辨率直接决定账单，官方示例代码把单任务回合上限写成 5 只是示例、并非接口配额。真正的工程负担仍留在应用侧，动作执行器、坐标映射、隔离沙箱、导航白名单、审计日志以及不可逆动作前的人工确认都得自己实现并长期维护。竞争面上，Anthropic 的 Computer Use 与 OpenAI 的界面操作代理都在同一战场，Google 把这条能力推到 GA，等于把「代理操作界面」从演示阶段变成可以直接采购的标准 API 能力。 总结：这次 GA 是状态变化而不是机制变化，能力、模型与价格都没有跟着变，但「能不能用在正式产品里」这个问题的答案变成了可以。需要记住三件事：模型只提出动作，执行永远在客户端；每一轮截图都按 token 付费，成本随步数线性上涨；安全策略可能给出 require_confirmation，应用不能假设每个动作都可执行。 常见问题： 问：gemini computer use 用哪个模型？ 答：官方推荐 gemini-3.8-flash，复杂任务用 gemini-4-argon，高并发用 gemini-3.5-flash-lite。 问：gemini computer use 免费吗？ 答：没有免费层，付费层按底层模型的普通 token 计费，每轮回传的截图也计入。 参考来源： Google Gemini API 官方版本说明（2026 年 10 月 30 日 Computer Use GA 条目） https://ai.google.dev/gemini-api/docs/changelog.md.txt Google 官方文档：Computer use 工具说明 https://ai.google.dev/gemini-api/docs/computer-use 沙丘社区 AI 技术追踪：Gemini API 的 Computer Use 工具正式可用（来源日期 2026.10.30） https://www.shaqiu.cn/tracking/product%3Agoogle%3Agemini-computer-use-ga-20261030?from=%2Ftracking AIReiter：Gemini Computer Use API GA 指南（定价与安全，2026-10-30） https://aireiter.com/blog/gemini-computer-use-api-guide Google 官方参考实现 computer-use-preview（Apache-2.0 开源） https://github.com/google-gemini/computer-use-preview Google 官方博客：Gemini Computer Use 模型发布说明 https://blog.google/innovation-and-ai/models-and-research/google-deepmind/gemini-computer-use-model/ NxCode：Gemini Computer Use 进入 GA，模型动作怎样接上真实浏览器 http://nxcode.ai/zh/resources/news/gemini-computer-use-ga-browser-loop-2026 Google Gemini API 官方版本说明（中文） https://ai.google.dev/gemini-api/docs/changelog?hl=zh-cn