用 AI 自动操作浏览器：Gemini 2.5 Computer Use

用 AI 自动操作浏览器：Gemini 2.5 Computer Use Google 发布了 Gemini 2.5 Computer Use 模型，能像人一样“看”并操作浏览器界面，通过点击、输入、滚动等实现复杂自动化任务。它不再依赖传统 API，直接从屏幕截图理解并执行操作，减少人工重复劳动。 1️⃣ 可视化交互：模型接收屏幕截图和你的指令，自动生成并执行浏览器操作，直到任务完成。 2️⃣ 性能领先：在 Online-Mind2Web、WebVoyager 等基准测试中表现优异，延迟低，响应快。 3️⃣ 丰富操作：内置点击、输入、滚动、拖拽、快捷键等 13 种基础 UI 操作，支持自定义功能扩展。 落地场景：端到端 UI 自动化测试、批量表单填写、信息采集与同步、电商比价等。 目前该模型已在 Google AI Studio 和 Vertex AI 提供预览版，按 Token 计费。 本地部署： https://github.com/google/computer-use-preview/ 在线演示： https://gemini.browserbase.com/