概要
Google DeepMindがGemini 2.5 Proを基に、ユーザーインターフェースの操作向けに追加学習したプレビューモデル。2025年10月7日に発表され、当初はGemini APIおよびVertex AIを通じて提供された。(blog.google)
能力と用途
- 画面のスクリーンショットを理解し、目的達成までの操作を計画して、クリック、メニュー選択、文字入力などのアクションを提案する。ブラウザー操作、予約、複数段階の作業、ウェブアプリのUIテストなどに利用できる。操作の実行はクライアント側で行う。(storage.googleapis.com)
- Gemini APIのモデル仕様では、入力はテキストと画像、出力はテキスト。入力上限は128,000トークン、出力上限は64,000トークン。(aistudio.google.com)
制限と安全性
主にウェブブラウザー向けに最適化されており、OSレベルやモバイルの操作には最適化されていない。誤情報の生成や、複雑な論理推論などの限界がある。ウェブ上のプロンプトインジェクションや予期しない操作にも注意し、高リスク操作では確認や安全対策が必要。(storage.googleapis.com)
提供状況
Gemini APIでは2026年7月28日に提供終了。Googleは代替として gemini-3.8-flash を推奨している。(aistudio.google.com)
料金
2026年11月17日確認。Google Cloud Agent Platformの公式料金表には「Gemini 2.5 Pro Computer Use-Preview」の標準料金が掲載されている。通貨は米ドル(USD)、単位は100万トークン当たり。Gemini APIの提供終了後も掲載されている料金表であり、現在利用できることを保証するものではない。(cloud.google.com)
- 入力が200,000トークン以下:入力 USD 1.25、テキスト出力(応答・推論) USD 10.00。
- 入力が200,000トークン超:入力 USD 2.50、テキスト出力(応答・推論) USD 15.00。これは料金表の区分であり、上記Gemini API仕様の入力上限とは別に記載されている。
- 同料金表では、このモデルのキャッシュ入力、Priority、Flex/Batchの料金はN/A。Gemini Developer API固有の入出力単価は未確認。(cloud.google.com)