HN 日本語サマリー

← 一覧へ戻る
AI・機械学習

Gemini 3.5 Flashにおける「コンピューター使用」機能

Computer use in Gemini 3.5 Flash (blog.google)

41 pointsby swolpers12 コメント

要約

Googleは、AIエージェントが複数のプラットフォームで対話できる「コンピューター使用」機能をGemini 3.5 Flashに統合しました。この機能により、開発者はブラウザ、モバイル、デスクトップ環境で視覚、推論、行動が可能なカスタムエージェントを構築できます。長期的な自動化やエンタープライズタスクのパフォーマンス向上を目指し、プロンプトインジェクションのリスク軽減策も導入されています。

全文翻訳

Gemini 3.5 Flash におけるコンピューター操作機能の導入

2026年6月24日

Mateo Quiros
プロダクトマネージャー、Google DeepMind

[画像: 青い背景にGemini 3.5のロゴ]

[音声]

お使いのブラウザは音声要素をサポートしていません。

記事を聞く

[時間] 分

このコンテンツはGoogle AIによって生成されました。生成AIは実験的なものです。

コンピューター操作機能がGemini 3.5 Flashに組み込まれ、エージェントのコンピューター操作タスクにおいてこれまでにない最高のパフォーマンスを提供します。以前はスタンドアロンのGemini 2.5 コンピューター操作モデルとしてのみ利用可能でしたが、コンピューター操作機能は現在、メインのGemini Flashモデルにネイティブに統合されています。Geminiはすでに、関数呼び出しや、検索やマップなどの組み込みツールの利用において高い能力を発揮しています。コンピューター操作機能を内蔵することで、開発者は3.5 Flashを使用して、ブラウザ、モバイル、デスクトップ環境で見て、推論し、行動できるカスタムエージェントを確実に構築できるようになります。これにより、継続的なソフトウェアテストやプロフェッショナルアプリケーションにおけるナレッジワークなど、長期間にわたるタスクやエンタープライズ自動化タスクのパフォーマンスが向上します。

[画像: Gemini 3.5のベンチマーク]

開発者や企業は、Gemini APIおよびGemini Enterprise Agent Platformを通じて3.5 Flashのコンピューター操作機能の利用を開始できます。

3.5 Flash におけるコンピューター操作機能の安全性の確保

ライブ環境で動作するエージェントに対するプロンプトインジェクションのリスクを軽減するため、Gemini 3.5 Flashのコンピューター操作機能にはターゲットを絞った敵対的トレーニングを使用しています。また、企業が以下のことを可能にする2つのオプションのエンタープライズ安全対策システムをリリースします。

  • 機密性の高い、または元に戻せない操作に対して、明示的なユーザー確認を要求する。
  • 間接的なプロンプトインジェクションが特定された場合、タスクを自動的に停止する。

「多層防御」のアプローチを取り、開発者にはこれらの機能と安全なサンドボックス、人間参加型の検証、厳格なアクセス制御を組み合わせることを推奨しています。安全対策に関する追加情報は、ベストプラクティスのドキュメントで確認できます。

すでに、お客様がコンピューター操作機能を通じて価値を創出している事例を目にしています。以下は、その一部のお客様の声です。

[画像: BrowserbaseのMiguel Gonzalez Fernandez氏からの引用]

[画像: Browser Use CEO、Magnus Muller氏からの引用]

[画像: UIPath 上級ディレクター、Alvin Stanescu氏からの引用]

本日よりコンピューター操作機能を使った開発を開始するには:

Googleからの最新ニュースをメールで受け取る

製品アップデート、イベント情報、特別オファーなどのニュースレターに登録してください。

お客様の情報は、Googleのプライバシーポリシーに従って使用されます。いつでも配信停止できます。