Gemini Computer Use
让 AI 像人一样使用浏览器
Google 推出的专用 AI 模型，基于 Gemini 2.5 Pro 视觉理解能力，让 Agent 像人一样点击、输入、滚动来操控浏览器界面，2026年10月开放预览。
免费试用 · 无需下载即可在线体验
什么是 Gemini Computer Use？
Google 专门为浏览器自动化设计的 AI 模型，填补了 API 无法覆盖的交互空白
2026 年 10 月，Google 正式推出 Gemini 2.5 Computer Use 模型预览版。与传统的 API 调用方式不同，Computer Use 让 AI 通过"看屏幕截图→推理下一步操作→执行动作"的闭环来操控网页界面——就像人类用户一样点击、输入文字、滚动页面、拖拽元素。
该模型基于 Gemini 2.5 Pro 的视觉理解和推理能力构建，目前支持 13 种 UI 动作（打开浏览器、点击、输入文本、滚动、悬停、下拉菜单选择等），主要针对 Web 浏览器场景优化。敏感操作（如支付确认）会请求用户明确批准，所有提议动作还经过外部安全评估器过滤，防止有害行为。
核心功能一览
六大核心能力，覆盖创作全流程
视觉驱动的 UI 交互
接收用户指令 + 屏幕截图 + 操作历史，通过视觉推理输出下一步 UI 动作，形成持续迭代的自动化闭环。
无需 API 的网页自动化
对于只有图形界面、没有结构化 API 的网页应用（内部后台、表单系统），Computer Use 可直接操控，无需逆向工程接口。
内置安全护栏
敏感操作需用户确认，所有动作经外部安全评估器审核，可配置限制高危动作（如自动完成金融交易）。
多平台基准领先
在 Browserbase 的 Online-Mind2Web、WebVoyager、AndroidWorld 等基准测试中表现优于竞品，且延迟更低。
开源生态集成
已集成至 Google Search AI Mode 和 Project Mariner，内部团队已在 Firebase、Search 等产品中投产使用。
零基础快速上手
4 步完成你的第一件 AI 作品，无需任何设计经验
访问 Google AI Studio
前往 ai.google.dev，登录 Google 账户，进入 AI Studio 控制台。
启用 Gemini API
在 API 密钥管理中创建密钥，选择 Gemini 2.5 Pro 作为基础模型。
调用 computer_use 工具
在 Gemini API 中使用 `computer_use` 工具，传入用户指令、屏幕截图和操作历史，获取下一步 UI 动作。
构建自动化循环
客户端执行动作后截屏，将新截图和操作日志反馈给模型，形成闭环直到任务完成；敏感操作可加入人工确认环节。
Gemini Computer Use vs 竞品方案
和同类工具横向对比，帮你选对工具。
| 对比维度 | 特性 | Gemini Computer Use | OpenAI Agent |
|---|---|---|---|
| 控制范围 | 浏览器 + 移动端 UI | 完整操作系统 | 桌面 OS + 浏览器 |
| 公开可用性 | ✅ 2026-10 预览 | ⚠️ 有限访问 | ✅ 已上线 |
| 安全护栏 | ✅ 安全评估器 + 用户确认 | ⚠️ 基础限制 | ✅ 安全评估器 |
| 延迟表现 | ✅ 低延迟（基准领先） | ⚠️ 中等 | ⚠️ 中等 |
同类推荐工具
发现更多优质 AI 创作工具，找到最适合你的那一款
Anthropic
Anthropic 是由 OpenAI 前研究副总裁 Dario Amodei 兄妹于 2021 年创立的 AI 安全公司，以「宪法式 AI（Constitutional AI）」训练出 Claude 系列大模型，主打有用、无害、诚实。
Apache Airflow
Apache 顶级开源项目，用 Python 代码定义有向无环图（DAG）来编排批处理工作流 ，拥有 1500+ 算子与庞大生态，是数据管道调度领域的事实标准。
BentoML
BentoML 是面向 AI 应用与模型推理的统一服务框架，支持任意模型格式与运行时、自定义 Python 逻辑，并提供批处理、任务队列、多模型编排、分布式调度与多 GPU 推理等关键原语。现已并入 Modular。
Bolt.new
Bolt.new 是 StackBlitz 推出的浏览器内 AI 全栈应用生成器，用一句话提示即可生成、运行并部署包含前端、后端与数据库的真实 Web 应用，无需本地环境。