Generatived（Beta）｜生成AIの最新ニュースとトレンドを提供

Google DeepMindは、人工知能モデルの最新版となるGemini 2.5 Computer Useモデルを発表しました。この新しいAIツールは、エージェントがユーザーインターフェースとインタラクションする方法を強化するように設計されており、ウェブおよびモバイル制御タスクにおいて、既存の代替手段よりも優れたパフォーマンスを提供します。Gemini 2.5 Proの視覚的理解および推論機能を基盤とするこのモデルは、 Google AI StudioおよびVertex AIで利用可能なGemini APIを通じて開発者が利用できるようになりました。

Gemini 2.5 コンピュータ利用モデルは、人間のユーザーと同様にグラフィカルユーザーインターフェース内を移動・操作できるように設計されています。フォームへの記入、インタラクティブ要素の操作、ログイン画面の背後での動作といったタスクを実行できます。この機能は、汎用性の高いAIエージェントの開発に不可欠です。このモデルはループ動作し、ユーザーからのリクエスト、スクリーンショット、操作履歴を分析して、適切なUIアクションレスポンスを生成します。

Google DeepMindのモデルは、低レーテンシーを維持しながら、特にブラウザ制御において、様々なベンチマークで他のモデルを凌駕する性能を誇ります。このモデルのパフォーマンスは、自己申告による数値とBrowserbaseによる評価によって検証されています。安全性を確保するため、このモデルには、誤用、予期せぬ動作、ウェブベースの詐欺などのリスクを軽減する機能が組み込まれています。開発者向けには、モデルが潜在的に危険なアクションを実行しないようにするための安全対策も用意されています。

Gemini 2.5 コンピュータ利用モデルは、 Google社内で既に実用化されており、UI テストの支援やソフトウェア開発の加速に役立っています。アクセスプログラムの初期テスターは、パーソナルアシスタント、ワークフロー自動化、UI テストにこのモデルを採用し、良好な成果を報告しています。このモデルは現在パブリックプレビューとして公開されており、開発者の皆様にはぜひこのモデルを試用していただき、フィードバックを提供していただき、今後の開発に役立てていただければ幸いです。