Gemini 2.5 Computer Use Preview (10-2025)
Gemini 2.5 Computer Use is a specialised model built on Gemini 2.5 Pro's visual understanding and reasoning, released in preview through the Gemini API on October 7, 2025. It powers agents that operate web and mobile interfaces by clicking, typing and scrolling, and led several browser-control benchmarks at launch.
数据优先来自官方发布（GitHub、Hugging Face、论文），其次为评测基准官方结果，最后为第三方评测机构数据。 了解数据收集方法
模型基本信息
开源和体验地址
官方介绍与博客
API接口信息
| 类型 | 适用条件 | 输入 | 输出 |
|---|---|---|---|
| 文本 | - | $1.25/ 1M tokens | $10.00/ 1M tokens |
| 文本 | 上下文长度 > 200000 | $2.50/ 1M tokens | $15.00/ 1M tokens |
表中「—」表示该模态在此方向不计费，或供应商未公开对应价格。
发布机构
模型解读
概述
Gemini 2.5 Computer Use 是基于 Gemini 2.5 Pro 视觉理解与推理能力而构建的专用模型，面向通过浏览器等图形界面执行业务操作的智能体（agent）场景。该模型以 Preview 形式通过 Gemini API 在 Google AI Studio 与 Vertex AI 向开发者开放。
工作机理与能力
模型通过新的 computer_use 工具以循环（agent loop）方式运行：输入包含用户目标、当前界面截图与近期动作历史；模型输出为规范化的 UI 动作（如点击、输入、拖拽等）的函数调用，同时可能附带对高风险动作的确认请求。客户端负责执行动作并回传新截图与 URL，直至任务完成或中止。
当前模型主要针对浏览器环境进行了优化，并在移动端 UI 控制基准上显示出良好潜力；尚未针对桌面 OS 级控制进行优化。
技术规格（公开信息）
- 模型版本（API id）：
gemini-2.5-computer-use-preview-10-2025 - 输入模态：文本、图像（截图）；输出模态：文本
- 上下文窗口：输入 128K tokens；最大输出 64K tokens
性能与评测
Google 公布的自测与第三方环境（如 Browserbase harness）显示，该模型在 Online-Mind2Web、WebVoyager 与 AndroidWorld 等多项网页/移动控制基准上达到领先准确率与较低时延。具体分数及方法学细节见官方博文与随附的评估说明。
访问与定价
模型以 API 方式提供（AI Studio/Vertex AI）。Vertex AI 定价页提供了 Gemini 2.5 Pro — Computer Use (Preview) 的令牌计费：当输入上下文 ≤200K tokens 与 >200K tokens 时，输入/输出分别采用不同单价；若无在该模型项下明确列出的“缓存计费（Cached Input）”，则不应填入缓存单价。
应用与限制
适合：跨站信息采集、表单自动化、网页流程/用例测试、在登录态下操作 UI 等。限制：Preview 阶段可能产生错误与安全风险；需在受控环境运行，并对高风险动作实施二次确认与审计。
DataLearner 官方微信
欢迎关注 DataLearner 官方微信，获得最新 AI 技术推送
