← 全部模型

Gemini 2.5 Computer Use

发布时间 发布主体 Googlegemini-2.5-computer-use-preview-10-2025

模型定位

Gemini 2.5 Computer Use 是基于 Gemini 2.5 Pro 的视觉理解和推理能力构建的专用智能体模型,主要面向浏览器图形界面操作。Google 于 2025 年 10 月 7 日宣布公开预览,最初通过 Gemini API 和 Vertex AI 提供。(blog.google)

能力与用途

  • 接收文本和图像输入,输出文本及界面操作的函数调用;官方模型文档列出输入上限为 128,000 token、输出上限为 64,000 token。(aistudio.google.com)
  • 结合用户请求、屏幕截图和近期操作历史,提出点击、输入等界面操作;客户端执行操作后,将新截图和当前 URL 返回模型,形成迭代循环。(blog.google)
  • 可用于浏览器自动化、多步骤软件任务、表单填写、工作流自动化和 UI 测试。(blog.google)

限制与状态

  • 该模型主要针对浏览器优化;发布时尚未针对桌面操作系统级控制优化,移动界面控制仍属有前景的应用方向。(blog.google)
  • 模型提出操作后,仍需客户端执行;购买等操作可能需要用户确认。使用时应防范错误操作、网页提示注入及诈骗,并对高风险操作设置安全控制和人工确认。(blog.google)
  • **Gemini API 状态:**官方模型文档显示该模型已于 2026 年 7 月 28 日关闭,因此不应将发布时的预览可用性视为当前可用性。(aistudio.google.com)

价格

截至 2026 年 11 月 17 日查询,Google Cloud 官方定价表仍列有 Gemini 2.5 Pro Computer Use-Preview 的标准 token 价格,币种为美元(USD),计费单位为每百万 token;以下是定价表记录,不代表已关闭的 Gemini API 模型当前可供新调用:

输入上下文档位 输入价格 文本输出价格(含响应及推理)
不超过 200,000 token 1.25 USD / 百万 token 10.00 USD / 百万 token
超过 200,000 token 2.50 USD / 百万 token 15.00 USD / 百万 token

官方表格说明,超过 200,000 输入 token 时,全部输入和输出 token 均按长上下文档位计费;但该模型文档列出的输入上限为 128,000 token,因此不能仅凭定价表推断此模型可使用超过 200,000 token 的输入。表格对该模型的缓存、Priority 和 Flex/Batch 价格标为不适用。Google Cloud 表格列出的输入计费类型包含文本、图像、视频和音频,但模型文档列出的该模型输入类型是文本和图像,两者不应混同。(cloud.google.com)

Gemini Developer API 针对该模型的当前输入、输出单价未核实,不以 Google Cloud 价格代替。

官方来源