Google представила новую ИИ-модель Gemini 2.5, которая теперь может взаимодействовать с веб-сайтами, заполняя формы и выполняя другие задачи, имитируя действия человека в браузере. Модель использует визуальное восприятие и логическое рассуждение, что позволяет ей работать с пользовательскими интерфейсами, созданными для людей.

Ключевые особенности:
- Computer Use: Возможность взаимодействия с веб-сайтами без API.
- 13 действий: Включает открытие браузера, ввод текста и перетаскивание элементов.
- Доступность: Доступна для разработчиков через Google AI Studio и Vertex AI.

Интересно, что функциональность модели уже была продемонстрирована в браузере BrowserBase, где ИИ может, например, сыграть в × 2048 × и просмотреть новостные ленты.

Для подробностей можно ознакомиться с оригинальной статьей.

@Unlim_AI