替我移動滑鼠的 AI 助手？Google 'Gemini 2.5 Computer Use' 全解析

想像一下。您在下班路上拿出智慧型手機，隨口說一句：「幫我預訂下週去濟州島旅行最便宜的雙人機票。」接著 AI 就會直接進入航空公司網站選擇日期，比較數十家航空公司的價格，並根據您的個人資訊自動填寫預訂表格。這已不再僅僅是建議您「如何預訂」，而是 AI 直接操作您的電腦滑鼠和鍵盤來完成工作的時代正拉開序幕。

Google 於 2025 年 10 月 7 日公開了 「Gemini 2.5 Computer Use」，這是一款能像人類一樣操作電腦的特殊 AI 模型 介紹 Gemini 2.5 Computer Use 模型 Google 發佈 Gemini 2.5 Computer Use AI 模型預覽版…。這項技術正準備徹底改變我們與電腦互動的範式。

為什麼這很重要？

到目前為止，我們遇到的 AI 主要是擅長「說話」的秘書。它們能回答問題、總結複雜文件。但要處理實際工作，我們必須打開瀏覽器、點擊按鈕、登入並逐一輸入數據。這些過程在專業術語中被稱為 介面 (Interface，使用者與電腦溝通所使用的螢幕或工具) 操作。

輕鬆理解：AI 如何使用我的電腦？

該模型運作的方式與我們用眼睛看螢幕、用手移動滑鼠的過程驚人地相似。這被稱為 「代理人迴圈 (Agent Loop)」，主要包含三個階段的循環過程 介紹 Gemini 2.5 Computer Use 模型：

1. 觀察 (觀看)：AI 拍攝目前電腦螢幕的截圖並進行確認。就像我們盯著螢幕思考「該按哪裡？」一樣。

2. 思考 (分析)：分析截圖，判斷按鈕在哪裡，在當前情況下應該輸入什麼。此時 AI 不僅僅是看圖像，而是推論出「啊，螢幕中央的藍色按鈕是『結帳』按鈕！」。接著制定具體的行動計劃，例如「點擊座標 (500, 300) 的位置」 [Computer Use

   Gemini API

   Google AI for Developers](https://ai.google.dev/gemini-api/docs/computer-use)。

3. 執行 (行動)：根據制定的計劃，實際移動滑鼠游標或用鍵盤輸入文字。

比喻來說，這個模型就像是高性能的自動駕駛 GPS。 就像 GPS 確認當前位置 (截圖)，決定在哪個路口轉彎以到達目的地 (推論)，然後指示駕駛員 (執行器) 轉動方向盤一樣。Gemini 2.5 Computer Use 會在極短的時間內無限重複這個過程，朝著目標前進。

現況：它有多聰明？

根據 Google 的說法，Gemini 2.5 Computer Use 已經遠遠超越了單純聽命點擊的初級水平。

• 執行複雜任務的能力：不僅僅是按下一個按鈕，還能從下拉式選單中選擇選項，重複應用多個篩選器，甚至在為了安全而需要登入的複雜網站中也能熟練地處理任務 Google 推出用於瀏覽器自動化的 Gemini 2.5 Computer Use 模型… Google 發佈 Gemini 2.5 Computer Use AI 模型預覽版…。

• 壓倒競爭對手的成績：在多項衡量網頁及行動端控制能力的 基準測試 (Benchmark，用於比較 AI 性能的標準測試) 中，它取得了領先於 OpenAI 或 Anthropic 的 Claude Sonnet 4.5 等強勁競爭模型的驚人成績 2025 完全指南：Gemini 2.5 Computer Use 模型 - 革命性 … [Google 揭曉 Gemini 2.5 Computer Use，能像人類一樣點擊、打字、滾動…

  Beebom](https://beebom.com/google-unveils-gemini-2-5-computer-use-that-clicks-types-scrolls-like-humans/)。

• 轉瞬即逝的反應速度：AI 執行指令時最令人沮喪的就是「等待」。與其他 AI 相比，該模型發出指令到實際行動之間的 延遲 (Latency，系統反應所需的時間) 非常短，因此操作更加流暢自然 2025 完全指南：Gemini 2.5 Computer Use 模型 - 革命性 … 2025 完全指南：Gemini 2.5 Computer Use 模型 - AI Agent 介面控制的革命性突破。

未來會如何發展？

我們很快將目睹以下驚人的變化：

1. 真正的個人助手時代：不僅僅是「告訴我」的秘書，而是「幫我處理這個」就能帶來結果的秘書，將出現在我們每個人的生活中。從預訂旅行到整理收據，所有煩人的事情都將交給 AI。
2. 勞動性質的轉變：將數據從 Excel 搬運到網頁，或登錄數百個商品資訊等簡單重複的網頁工作將會消失。人類將能專注於更具創意和高層次的思考 2025 完全指南：Gemini 2.5 Computer Use 模型 - 革命性 …。
3. 安全與保障的重要性：由於 AI 直接操作我的電腦，對於因誤操作導致的事故或安全威脅的擔憂也會增加。與此同時，更強大的安全指南和阻斷裝置也將隨之發展 PDF Gemini Computer Use 外部模型卡 (2025 年 10 月 7 日) - 更新 2。

Google 透明地公開了該模型的局限性與安全裝置，強調在技術發展的同時也要進行負責任的開發 PDF Gemini Computer Use 外部模型卡 (2025 年 10 月 7 日) - 更新 2。

AI 的觀點 (AI’s Take)

如果說過去的 AI 專注於理解人類的「語言」，那麼現在它開始學習如何使用人類幾十年來創造的「數位工具」。Gemini 2.5 Computer Use 將成為打破人類與機器之間巨大隔閡的重要橋樑。不久後，我們將習慣於不再親自握住滑鼠，而是像委託同事工作一樣向 AI 指示方向的新型「運算」模式。技術成為工具，工具即刻執行的時代已在眼前。

參考資料

1. 介紹 Gemini 2.5 Computer Use 模型
2. Google 新聞 - 關於 Gemini 的新聞 - 概覽
3. Gemini 2.5 Computer Use 代理人：最強大的代理人… - YouTube

4. [介紹 Gemini 2.5 Computer Use：網頁 AI 與…

   LinkedIn](https://www.linkedin.com/posts/googleaidevs_introducing-gemini-25-computer-use-available-activity-7381415403840864256-ycSe)

5. Gemini Computer Use：Google 的免費瀏覽器… - Analytics Vidhya
6. Gemini 2.5 Computer Use 模型：如何自動化瀏覽器
7. Gemini 2.5 Computer Use 深度分析與實戰代碼

8. [Computer Use

   Gemini API

   Google AI for Developers](https://ai.google.dev/gemini-api/docs/computer-use)

9. 2025 完全指南：Gemini 2.5 Computer Use 模型 - 革命性 …
10. PDF Gemini Computer Use 外部模型卡 (2025 年 10 月 7 日) - 更新 2
11. 2025 完全指南：Gemini 2.5 Computer Use 模型 - AI Agent 介面控制的革命性突破
12. 2025 完全指南：Gemini 2.5 Computer Use 模型 - 革命性 …
13. Google 為能點擊與滾動的 AI 推出 Gemini 2.5
14. Google 推出用於瀏覽器自動化的 Gemini 2.5 Computer Use 模型…
15. Google 發佈 Gemini 2.5 Computer Use AI 模型預覽版…

16. [Google 揭曉 Gemini 2.5 Computer Use，能像人類一樣點擊、打字、滾動…

    Beebom](https://beebom.com/google-unveils-gemini-2-5-computer-use-that-clicks-types-scrolls-like-humans/)

17. [Google 推出 Gemini 2.5 Computer Use 與 OpenAI 代理人競爭…

    The Tech Buzz](https://www.techbuzz.ai/articles/google-launches-gemini-2-5-computer-use-to-rival-openai-agents)

事實查核摘要

• 查核項目：14
• 已證實項目：14
• 結論：通過