Gemini 上线 Mac 版 Computer Use:后台代跑应用,桌面操作不用抢鼠标

Google 在 Gemini Mac 应用中推出 Computer Use 功能,用户只需描述目标,Gemini 就能在隔离的后台窗口中操作本地文件、桌面应用和网站,把多步骤杂活干完,而屏幕和光标仍归用户使用。这标志着桌面级 AI 代理从演示走向可交付产品。

一句话看懂:Google 在 Gemini Mac 应用中推出 Computer Use 功能,用户只需描述目标,Gemini 就能在隔离的后台窗口中操作本地文件、桌面应用和网站,把多步骤杂活干完,而屏幕和光标仍归用户使用。这标志着桌面级 AI 代理从演示走向可交付产品。

事件核心:发生了什么

据 The Decoder 报道,Google 于 2026 年 11 月 20 日宣布,Gemini Mac 应用新增“Computer Use”能力。用户用自然语言描述想要完成的任务,Gemini 会模拟点击、输入、在菜单和表单间导航,跨本地文件、桌面应用与网站完成多步骤操作。所有动作在独立的隔离后台窗口中执行,并配有实时预览,因此不会占用用户当前屏幕和光标。

在权限方面,用户可以指定 Gemini 可访问哪些应用,全程观看每一步操作,随时暂停,并对关键动作进行事前审批。Google 给出的示例包括批量修图、编辑 3D 场景、根据本地 PDF 填写发货表单,以及制作演示文稿。该功能当天以英文在美国率先上线,Gemini Mac 应用已开放下载。目前公开信息显示,这是 Gemini 首次将 Computer Use 能力带入桌面客户端。

为什么重要

Computer Use 是当前大模型厂商竞争最激烈的方向之一:让模型不止生成文本或图像,而是直接操控软件界面完成任务。素材提到,OpenAI 近期同样聚焦 Computer Use,并凭借 Astra 模型取得明显领先。Google 此时把能力落到 Mac 桌面端,意味着竞争从 API 和聊天窗口延伸到真实的个人计算环境。

后台隔离窗口加实时预览的设计,正面回应了 AI 代理长期面临的两个阻力:安全与打扰。用户授权应用范围、可暂停、关键步骤预审批,降低了“AI 乱点屏幕”的心理门槛;后台运行则让代理不必独占设备。这套交互范式若被验证,可能成为桌面 AI 应用的标准配置,也会推动更多闭源大模型厂商加快产品化,而不是停留在技术演示。

对用户/开发者/创作者的影响

对普通用户,最直接的价值是把重复性桌面劳动外包出去,例如从 PDF 批量提取信息填表、整理照片、生成初版幻灯片。但前提是用户愿意授予应用访问权限,并接受 AI 在后台代替自己点击和输入。对创作者,批量修图和 3D 场景编辑示例说明,图像生成之外的工作流自动化正在成为新卖点。

GamsGo AI

AI 工具推荐

想把多个 AI 模型放在一个入口?

GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型,适合写作、绘图、视频和日常 AI 工作流。

了解 GamsGo AI

推广链接:通过此链接购买,我可能获得佣金,不影响你的价格。

对开发者,目前公开信息未提及 Computer Use 是否开放 API 或第三方应用接入方式。如果 Google 后续开放接口,围绕“可被 AI 操作的应用”做适配与权限管理,可能催生新的开发需求;若保持闭源客户端形态,生态扩展速度则会受限于 Gemini 自身覆盖的应用范围。企业采购方还需关注隔离窗口的实际安全边界和审计能力。

值得关注的后续

一是上线范围:目前仅限美国英文,何时扩展语言和地区、是否进入 Windows 端,将决定其真实用户规模。二是可靠性:多步骤任务在真实应用中的成功率、失败后的恢复机制,以及关键操作审批是否足够细粒度,需要实际使用数据检验。三是竞品节奏:OpenAI 的 Astra 与 Computer Use 组合是否会加速迭代,以及双方在桌面代理上的定价和权限模型如何演化,值得持续观察。

来源:The Decoder AI News

celebrityanime
celebrityanime
文章: 36410

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注