Google ha convertido el uso de computadora en una herramienta integrada dentro de Gemini 3.5 Flash, el nivel rápido y de bajo costo de su familia de modelos. Con ello, los desarrolladores pueden construir agentes que ven lo que hay en una pantalla, razonan sobre ello y luego actúan, haciendo clic, escribiendo y navegando a través de entornos de navegador, móvil y escritorio. Ya está disponible a través de la Gemini API y la Gemini Enterprise Agent Platform.
La capacidad en sí no es completamente nueva. Hasta ahora, el uso de computadora residía en un modelo separado e independiente de uso de computadora de Gemini 2.5, algo que se invocaba como su propio endpoint. El cambio aquí es de ubicación más que de invencion: al integrar el control de pantalla directamente en el modelo principal Flash, Google lo convierte en una capacidad por defecto del modelo que la mayoría de la gente ya utiliza, en lugar de una herramienta especializada apartada.
Esa ubicación es la verdadera noticia, porque Flash es el nivel barato y de alto volumen. El uso de computadora es justo el tipo de función cuya utilidad depende del costo, ya que un agente que controla software durante horas acumula muchos tokens. Google orienta la capacidad hacia la automatización de largo horizonte y empresarial, incluidas las pruebas de software continuas y el trabajo del conocimiento a través de aplicaciones profesionales, esas tareas repetitivas de varios pasos donde que un modelo barato haga los clics realmente cambia la economía.
La parte que vale la pena observar es lo que Google lanzó junto con la capacidad. Un agente que opera un navegador en vivo o un escritorio real está singularmente expuesto a la inyección de prompts, donde una página web, un correo o un documento malicioso cuela instrucciones en lo que el agente lee y secuestra su comportamiento. Google afirma que utilizó entrenamiento adversarial dirigido para reforzar Gemini 3.5 Flash contra esto, y liberó dos sistemas de salvaguarda empresarial opcionales: uno que exige confirmación explícita del usuario antes de que el agente realice una acción sensible, y otro que detiene de forma automática una tarea si detecta un intento de inyección indirecta. Defensa, no solo capacidad, en el mismo anuncio.
La lectura honesta mantiene dos cosas a la vista. Los agentes de uso de computadora siguen siendo frágiles en la práctica, y la fiabilidad en tareas largas de varios pasos sigue siendo la parte difícil y no resuelta, así que una herramienta integrada no hace que los agentes en sí sean confiables. Y las salvaguardas son complementos opcionales descritos en los propios términos de Google, no garantías probadas de forma independiente. Pero la combinación es la señal: abaratar el control de pantalla mientras se nombra y se lanza una defensa para su mayor modo de fallo es una manera más madura de hacer avanzar a los agentes que la capacidad por sí sola, y eleva el listón de cómo se espera que los rivales lancen lo mismo.