估计下一代 computer use 会基于 Flash 模型，因为 Pro 模型太慢，Gemini 3 Flash 多模态能力并没有削弱
估计支持的动作会多很多，主要用于操作系统控制，而不是 2.5 Pro computer use模型一样专注浏览器控制
10 个赞
方法在 API 文档里面，就是靠视觉控制浏览器用的
哈哈 机械狗 也可以被gemini 3 flash 来控制送外卖
任何机械人都可以经computer use 干任何事 这样开发更快速
2 个赞
现在谷歌有 AI 浏览器了吗？最近使用 comet 和 altas 感觉都不给力呀
有 ai 浏览器，但是能参与测试的人应该很少
之前看到的bytebot几个月没更新了，看起来是弃坑了。字节的tars对第三方模型仍然没有视觉定位支持，其他几家比如GPT只提供在其内部模拟的浏览器里操作，看看有没有能出来一个直接操控裸机的吧
智谱清言的牛牛也放弃更新了，可惜了
很少人讨论computer use
感觉厂商对computer use好像都不太热衷，但是对于类似manus，MiniMax agent，kimi的ok computer，智谱autoglm功能，厂商好像更热衷。
类似豆包手机，豆包电脑的产品一定会出现，只不过是时间问题，预计3-5年内可以出现，到时候凡是可以用电脑和手机能做的任务，ai都可以做