O Google transformou o uso de computador em uma ferramenta nativa dentro do Gemini 3.5 Flash, o nível rápido e de baixo custo de sua familia de modelos. Com ela, desenvolvedores podem construir agentes que veem o que esta em uma tela, raciocinam sobre isso e então agem, clicando, digitando e navegando em ambientes de navegador, celular e desktop. Ja esta disponível por meio do Gemini API e do Gemini Enterprise Agent Platform.
O recurso em si não e totalmente novo. Ate agora, o uso de computador vivia em um modelo separado e independente Gemini 2.5 de uso de computador, algo que você chamava como seu próprio endpoint. A mudança aqui e de posicionamento, não de invenção: ao integrar o controle de tela diretamente no modelo Flash principal, o Google o torna um recurso padrão do modelo que a maioria das pessoas ja usa, em vez de uma ferramenta especializada deixada de lado.
Esse posicionamento e a verdadeira história, porque o Flash e o nível barato e de alto volume. O uso de computador e exatamente o tipo de recurso cuja utilidade depende do custo, ja que um agente que controla software por horas consome muitos tokens. O Google direciona o recurso para a automação de longo horizonte e corporativa, incluindo testes contínuos de software e trabalho intelectual em aplicativos profissionais, as tarefas repetitivas de múltiplas etapas em que ter um modelo barato fazendo os cliques de fato muda a economia.
A parte que merece atenção e o que o Google lançou junto com o recurso. Um agente que opera um navegador ao vivo ou um desktop real fica excepcionalmente exposto a injeção de prompt, em que uma pagina web, e-mail ou documento malicioso insere instrucoes naquilo que o agente le e sequestra seu comportamento. O Google diz que usou treinamento adversarial direcionado para reforcar o Gemini 3.5 Flash contra isso, e lançou dois sistemas opcionais de salvaguarda corporativa: um que exige confirmação explicita do usuário antes de o agente realizar uma ação sensível, e outro que interrompe automaticamente uma tarefa se detecta uma tentativa de injeção indireta. Defesa, não apenas recurso, no mesmo anuncio.
A leitura honesta mantem duas coisas em vista. Os agentes de uso de computador ainda são frágeis na prática, e a confiabilidade em tarefas longas de múltiplas etapas continua sendo a parte dificil e não resolvida, então uma ferramenta nativa não torna os agentes em si confiaveis. E as salvaguardas são complementos opcionais descritos nos próprios termos do Google, não garantias testadas de forma independente. Mas a combinação e o sinal: tornar o controle de telas mais barato enquanto se nomeia e se lança uma defesa para seu maior ponto de falha e uma forma mais madura de impulsionar os agentes do que apenas o recurso sozinho, e eleva o nível de como se espera que os rivais lancem a mesma coisa.