Gemini 的“操控电脑”转正式版了:能指挥浏览器和手机,但免费层没有

前两天我们刚写过微软、Vercel 的同类动作，今天轮到 Google 把自家的版本扶正。

从预览转正，意味着什么

Computer Use 之前是预览状态，这次在 Gemini API 的两个接口（Interactions 和 GenerateContent）里正式可用。配套一起转正的还有几样东西：让模型在动手前说明意图的机制、安全策略配置，以及提示注入检测——屏幕上如果藏着恶意文字想骗模型乱点，系统要能识别。支持的模型包括 Gemini 4 Argon、3.8 Flash（官方推荐）、3.5 Flash-Lite 和 3 Flash Preview。

谁能用、多少钱

这是面向开发者的 API 能力，不是 Gemini App 里多了一个按钮，普通用户在聊天界面里点不到。定价页的口径也很干脆：免费层不可用；付费层按所用模型的常规 token 价格计费，不另外收一笔"工具费"。也就是说成本就是模型本身的调用费，想算账的开发者直接看对应模型的价目即可。

为什么值得普通读者看一眼

因为它决定了接下来半年你会遇到什么样的产品。浏览器代订、手机代操作、桌面软件自动化，背后需要的都是这一层能力：模型能稳定地看懂界面、按步骤操作、还能被安全策略管住。Google 把它转成正式版，等于告诉开发者"可以拿去做正经产品了"。下次再看到某个 App 宣传"AI 帮你操作手机"，可以先问一句：底层用的是哪家的操控能力、演示还是实装。

对想自己动手的开发者：官方文档里有现成的入门路径，先从浏览器操控这类沙箱环境试起，别一上来就让它碰真实账号和支付页面——这条建议对所有同类工具都成立。

说明：本文信息来自 Gemini API 官方更新日志与官方定价页（2026-10-30 条目），2026-11-01 核对；"免费层不可用"为定价页原文口径；支持模型列表以更新日志为准，本号未实际调用该 API。