Gemini 3.5 Flash 學會「用電腦」：DeepMind 把代理操作下放到便宜快模型

DeepMind 宣布把 computer use 能力帶進 Gemini 3.5 Flash。所謂 computer use，指的是讓模型像人一樣直接操作圖形介面：看畫面、移動游標、點按鈕、填欄位、在多個步驟之間自己決定下一步。過去這類能力多半綁在最大、最貴的旗艦模型上，這次放進 Flash 這條主打速度與低價的產品線，意義在於門檻被往下拉。

把代理能力放進便宜模型，動的是經濟帳。一個會自己操作網頁、跑完整套流程的代理，每一步都要呼叫一次模型，步驟一多，旗艦模型的帳單很快就嚇人。Flash 這種輕量模型反應快、單次便宜，特別適合那種「步驟很多、但每一步都不難」的瑣碎自動化，例如查資料、填表、跨系統搬資料。成本降一階，能被自動化的工作清單就長一截。

把這條發展接回本站近期的脈絡來看。前幾期談 Anthropic 把 Claude 塞進 Slack、OpenAI 自研推論晶片，方向都指向同一件事：當模型能力逐漸拉平，巨頭比的是誰能把「跑得起、用得起」的代理鋪到最多場景。把昂貴能力下放到便宜模型，正是擴大鋪設面的關鍵一步，也預告今年代理產品的競爭會從「能不能做」轉向「划不划算」。

歸剛點評：對中小團隊這是好消息，便宜模型也能跑代理，等於自動化的入場券降價。但便宜呼叫一多，帳單照樣會偷偷膨脹——本站同一期就有一條講公司在阻止員工燒爆 AI 預算，兩件事擺一起看特別有味道。