24 июня 2026 года Google объявил, что возможность computer use — способность модели «видеть» экран через скриншоты и совершать действия мышью и клавиатурой — теперь встроена непосредственно в Gemini 3.5 Flash, самую быструю и экономичную продуктивную модель компании. Раньше эта функция существовала только как отдельная экспериментальная модель Gemini 2.5 Computer Use; теперь агентные возможности доступны через обычный вызов Gemini API и платформу Gemini Enterprise Agent Platform без переключения на специализированную версию.
Разработчики получили возможность строить агентов, которые «видят, рассуждают и действуют» в браузере, на мобильных устройствах и на десктопе в рамках одного инференса — раньше подобные пайплайны требовали склейки модели зрения, модели рассуждения и отдельного модуля управления действиями. Обновлённая Flash также получила окно контекста на 1 миллион токенов, что позволяет агенту удерживать в памяти долгие цепочки действий без потери контекста задачи.
На бенчмарке OSWorld-Verified, измеряющем способность агента выполнять реальные задачи в операционной системе, Gemini 3.5 Flash набрала 78.4 балла — практически вплотную к GPT-5.5 (78.7), разрыв всего в 0.3 пункта. При этом по цене Gemini 3.5 Flash обходится примерно в треть стоимости GPT-5.5 ($5 за миллион входных токенов и $30 за выходные у OpenAI против существенно более низкого тарифа Google) — для задач массовой автоматизации это делает Flash экономически более привлекательным выбором при сопоставимом качестве.
Вместе с обновлением модели Google представил Gemini Spark — персонального ИИ-агента внутри приложения Gemini, который работает круглосуточно на выделенных виртуальных машинах Google Cloud. Ключевое отличие от обычных чат-ассистентов: Spark продолжает выполнять задачу, даже если устройство пользователя выключено — вычисления происходят полностью на стороне сервера. Агент интегрирован с Gmail, Docs, Sheets, Slides и Chrome и способен самостоятельно вести долгие исследовательские задачи и управление списком дел без постоянного участия человека.
Для безопасности Google добавил опциональные механизмы — детекцию prompt injection и явное подтверждение пользователем перед чувствительными действиями. Важная деталь: эти защитные механизмы включаются по желанию разработчика, а не по умолчанию, что фактически перекладывает ответственность за риски приватности на компании, которые внедряют агентов Gemini в свои продукты.
Объединение восприятия (зрение) и действия (управление интерфейсом) в одной модели без промежуточных модулей — тренд, который в 2026 году форсируют все крупные лаборатории: у OpenAI это Operator и агентные функции GPT-5.x, у Anthropic — Claude Computer Use. Gemini 3.5 Flash показывает, что этот класс возможностей быстро становится массовым и дешёвым, а не эксклюзивной функцией флагманских моделей.
Прямого доступа к Gemini в России нет, но направление важно для отечественных разработчиков как ориентир: GigaChat и YandexGPT пока не предлагают сопоставимого нативного computer use, а разрыв в агентных возможностях — это то, где конкуренция с глобальными лидерами будет разворачиваться в первую очередь в ближайший год, параллельно с гонкой по чистому качеству генерации текста.