Gemini 3.5 Flash 能看见你的屏幕，但它在 OSWorld 上击败 GPT-5.5 了吗？
谷歌将计算机控制能力集成到 gemini 3.5 flash 中，在 osworld 基准测试中获得 78.4 分，与 gpt-5.5 不相上下。这实现了浏览器和桌面任务自动化，但同时也引发了对对抗提示注入的安全担忧。
谷歌升级了Gemini 3.5 Flash，使其具备原生计算机使用能力，允许开发者使用函数调用和映射等工具构建自主跨越网页浏览器、移动应用程序和桌面环境的代理。 该模型在OSWorld基准测试中获得78.4分，略逊于GPT-5.5的78.7分和Anthropic的Opus 4.8的83.4分，但优于其前身和GPT-5.4 Mini。 为了解决自主计算机控制中固有的安全风险，谷歌实施了对抗性训练和企业功能，如用户确认要求和在检测到间接提示注入时自动停止任务。 这一举措加速了对代理工作流的竞争，将重点从模型推理转移到实际操作能力和安全性。