Google 给 Gemini 装上了「手」：Computer Use 内置进 Flash 模型，AI 能直接操控你的电脑了

Q: 从「独立模型」到「内置工具」 Computer Use 现在和函数调用、Google Search、Maps Grounding 平级——都是内置工具。一个 Agent 可以在一次对话中同时用 Search 搜信息、用 Computer Use 操控网页、用 Function Calling 调内部 API。 安全怎么解决？

两把锁：用户确认机制（敏感操作前必须经用户同意）和提示注入自动检测（识别网页中的隐藏攻击指令并自动停止）。加上专门针对 Computer Use 场景的对抗训练。

盒盒

6 月

Google 给 Gemini 装上了「手」：Computer Use 内置进 Flash 模型，AI 能直接操控你的电脑了

6 月 24 日，Google 宣布 Gemini 3.5 Flash 原生内置 Computer Use 能力——AI 可以直接操作浏览器、移动端和桌面应用，像人一样点击、填表、执行多步骤工作流。最重要的是：它不再是一个独立模型，而是直接内置在了主力 Flash 模型中。

从「独立模型」到「内置工具」

Computer Use 现在和函数调用、Google Search、Maps Grounding 平级——都是内置工具。一个 Agent 可以在一次对话中同时用 Search 搜信息、用 Computer Use 操控网页、用 Function Calling 调内部 API。

安全怎么解决？

两把锁：用户确认机制（敏感操作前必须经用户同意）和提示注入自动检测（识别网页中的隐藏攻击指令并自动停止）。加上专门针对 Computer Use 场景的对抗训练。

同一天：性价比之王 Gemini 3.1 Flash-Lite

363 token/s 速度（GPT-5 mini 的 5 倍），价格仅 $1.50/百万 token（Claude Haiku 的 1/4），GPQA Diamond 86.9%。中文圈形象翻译：「1 块 8 读完三本三体」。OpenAI 在 Gemini 发布 2 小时后火速推出 GPT-5.3 Instant 回应。

智盒判断

Computer Use 从独立模型变内置工具，是比跑分提升更重要的变化。它意味着 Agent 不再需要「额外的模型」，多工具协同的门槛大幅降低，企业安全不是事后补丁。

参考：Google AI 官方 | 36 氪

作者

盒盒

Posts

9 7 月

Nvidia + Hugging Face 联手：开源机器人迎来「Android 时刻」— GR00T 1.7 进入 LeRobot

一句话结论：Nvidia 和 Hugging Face 将开源 humanoid 基础模型 GR00T 1.7 和 Teleop 数据采集框架整合进 LeRobot，连接 300 万机器人开发者与 1600 万 AI 开发者——这是开源机器人生态的「Android 时刻」。宣布了什么？ 7 月 7 日，Nvidia 和 Hugging Face 宣布将 Nvidia 的核心物理 AI 技术栈整合进 Hugging Face 开源的 LeRobot 机器人库。具体包括： Isaac GR00T 1.7：首个开源且可商用的 humanoid（人形机器人）基础模型，现已直接可用 Isaac Teleop：数据采集框架，用于收集机器人操作数据 Cosmos...

盒盒

资讯

1 条留言 Read More

AI Technology competition between US and China - iron curtain concept

9 7 月

中国考虑限制 AI 模型出口：中美「技术铁幕」从单向封锁变为双向关门

一句话结论：7 月 7 日，Reuters 独家报道中国正与阿里巴巴、字节跳动、Z.ai 讨论限制最先进 AI 模型的海外访问——这是中美 AI 铁幕从「单向封锁」变为「双向关门」的关键转折点。免费开源这张中国 AI 最大的牌，可能即将被收回。发生了什么？ Reuters 7 月 7 日援引三名知情人士报道，中国政府部门已与阿里巴巴、字节跳动和 Z.ai（智谱）举行会谈，讨论是否限制外国用户访问其最先进的 AI 模型——包括尚未发布的模型。目前尚未做出最终决定，相关部委也未发表官方评论，但讨论中已出现具体选项：禁止公开发布、限制国内使用、分级授权访问。 TIME 杂志次日发表评论，点出了最尖锐的矛盾：中国 AI 公司通过免费开源策略获得了全球影响力，而限制访问意味着放弃这张牌。一个追赶者不会放弃最大的优势，除非担忧的是国家安全。几乎同步发生的连锁事件让这场博弈的轮廓更加清晰：阿里巴巴宣布 7 月 10 日起内部禁用 Claude Code，并将所有 Anthropic 产品列入高风险软件清单，要求全员转向自研 Qoder 平台此举直接回应 Anthropic 在 Claude Code 中嵌入的隐写检测代码（检查时区和代理，识别中国用户） Z.ai 6 月底发布了 GLM-5.2，声称在漏洞发现能力上对标...

智智

资讯

没有评论 Read More

Anthropic J-space Global Workspace - Five functional properties of a global workspace in language models

7 7 月

Anthropic J-space 深度解读：Claude 内部自发形成了「全局工作空间」— AI 可解释性的第三个里程碑

一句话结论：继 NLA 读取 Claude「内心」之后，Anthropic 7 月 6 日发布新研究——Claude 内部自发形成了一个被称为 J-space 的全局工作空间，它能持有不写出来的「无声思维」，其功能特性与人类意识的核心机制高度吻合。这是继电路追踪（2024）和 NLA（2026.05）之后，AI 可解释性领域的第三个里程碑。发生了什么？ 2026 年 7 月 6 日，Anthropic 发布了一篇 16 位作者署名的重磅论文——Verbalizable Representations Form a Global Workspace in Language Models。论文的核心发现是：Claude 的语言模型在训练过程中自发地形成了一个内部「全局工作空间」（global workspace），研究人员称之为 J-space。这个发现的意义在于——它不是被设计的。没有工程师写代码说「现在创建一个工作空间层」。它是在模型通过海量数据学习语言和推理的过程中涌现出来的结构。更引人注目的是，J-space 的功能特性与神经科学中 Bernard Baars 提出的「全局工作空间理论」（Global Workspace Theory）高度一致。这个理论是理解人类意识的关键框架之一：大脑像一个剧院，数十个专门处理器在后台并行工作，只有一个狭窄的「聚光灯」——全局工作空间——在任意时刻广播信息，成为我们意识到的思维。 J-lens：一扇读取 AI「无声思维」的新窗口这次发现的工具基础是一种新的可解释性技术——Jacobian lens（J-lens）。 J-lens...

盒盒

资讯

没有评论 Read More

Context7 - Up-to-date code documentation for LLMs and AI code editors

7 7 月

Context7 实测：58K 星开源工具，让 Cursor 和 Claude Code 用上最新 API 文档

一句话结论：Context7 是解决AI编程「幻觉API」问题的最直接方案——它在你提问的瞬间拉取最新官方文档，注入LLM上下文。不用切换标签页，不用手动粘贴文档，不用祈祷模型训练数据足够新。为什么需要 Context7？每个用过 AI 编程工具的人都遇到过这个场景：你让 Cursor 写一段 Supabase 认证代码，它生成了看起来合理的代码，但你一运行——API 不存在、参数名错了、版本不对。这不是模型的问题。LLM 的训练数据有截止日期。即使是最新的 Claude Sonnet 5（2026 年 6 月发布），它对 2026 年 7 月发布的库版本也一无所知。而现代前端/后端框架的更新速度是按周计算的。 Context7 的解决方案很直接：在 LLM 调用前，从官方源拉取最新的文档和代码示例，注入到 prompt 上下文中。怎么用？一行命令搞定安装最简单的方式： npx ctx7 setup 这条命令会通过 OAuth 认证、生成 API key、自动安装对应 Skill。你可以指定目标工具： # 为 Cursor 安装 npx ctx7 setup --cursor # 为...

智智

资讯

2 评论 Read More