O Google Gemini 2.5 funciona com o navegador como uma pessoa real

O Google anunciou o modelo de IA Gemini 2.5 Computer Use, que permite que a IA clique, digite, role e arraste e solte, assim como os humanos.

O Google acaba de anunciar um novo modelo de IA chamado Gemini 2.5 Computer Use, que permite que a inteligência artificial interaja diretamente com o navegador da web como um usuário real.

Os recursos desta IA incluem clicar, rolar, digitar, arrastar e soltar e navegar em sites.

Este é um passo importante para permitir que a IA lide com tarefas em interfaces sem APIs ou conexões diretas.

De acordo com o Google, o Gemini 2.5 Computer Use é equipado com recursos de compreensão e raciocínio visual para entender o conteúdo na tela e atender às solicitações do usuário, como preencher formulários, enviar dados ou navegar em interfaces de usuário (testes de IU).

Algumas versões anteriores deste modelo foram testadas em projetos internos como o AI Mode e o Project Mariner, onde a IA pode concluir tarefas automaticamente no navegador, como adicionar produtos a um carrinho de compras com base em uma lista de ingredientes fornecida pelo usuário.

Vale ressaltar que o anúncio do Google ocorre apenas um dia após a OpenAI revelar uma série de novos aplicativos para o ChatGPT em seu evento Dev Day, enquanto a Anthropic também introduziu um recurso de "uso de computador" para seu modelo Claude no ano passado.

De acordo com o Google, o Gemini 2.5 Computer Use supera modelos concorrentes em muitos testes de benchmark na web e em dispositivos móveis.

No entanto, diferentemente do ChatGPT Agent ou do Claude, o modelo do Google só funciona em um ambiente de navegador e não é otimizado para controle total do sistema operacional do computador.

Atualmente, ele suporta 13 tipos de ações, incluindo abrir um navegador, inserir texto, arrastar e soltar e mover elementos da interface. O modelo está disponível para desenvolvedores por meio do Google AI Studio e do Vertex AI, e os usuários podem assistir a uma demonstração ao vivo no Browserbase, onde a IA realiza tarefas como "jogar 2048" ou "encontrar tópicos polêmicos no Hacker News".

O Gemini passa facilmente no teste "Não sou um robô" do navegador.

Fonte: https://khoahocdoisong.vn/ai-google-gemini-25-thao-tac-voi-trinh-duyet-nhu-nguoi-that-post2149059532.html