Gemini 2.5 Computer Use (Preview)
多模态大模型Gemini 2.5 Computer Use Preview (10-2025)
模型基本信息
是否支持推理过程
支持
最高上下文输入长度
128K tokens
最长输出结果
64000 tokens
模型类型
多模态大模型
发布时间
2025-10-07
模型预文件大小
推理模式
开源和体验地址
代码开源状态
预训练权重开源
GitHub 源码
Hugging Face
在线体验
官方介绍与博客
API接口信息
接口速度（满分5分）
接口价格
默认单位：$/100万 tokens；若计费单位不同，则以供应商公开的原始标注为准。
| 模态 | 输入 | 输出 |
|---|---|---|
| 文本 | 1.25 美元 / 100万 tokens | 10.00 美元 / 100万 tokens |
| 图片 | 1.25 美元 / 100万 tokens |
| 模态 | 输入 | 输出 |
|---|---|---|
| 文本 | 2.50 美元 / 100万 tokens | 15.00 美元 / 100万 tokens |
| 图片 | 2.50 美元 / 100万 tokens |
Gemini 2.5 Computer Use (Preview)模型在各大评测榜单的评分
发布机构
Gemini 2.5 Computer Use Preview (10-2025)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。
关注DataLearnerAI公众号
关注DataLearnerAI微信公众号，接受最新大模型资讯
