Neste artigo
O Google apresentou oficialmente o Gemini 2.5 Computer Use, um modelo especializado construído sobre o Gemini 2.5 Pro que capacita agentes de inteligência artificial a interagir diretamente com interfaces gráficas de usuário. Disponível em prévia pública via API Gemini, o modelo foi projetado para que desenvolvedores criem agentes capazes de clicar, digitar, rolar páginas e até preencher formulários como um humano faria.
Segundo o Google, o novo modelo supera os principais concorrentes em benchmarks de controle web e mobile, com menor latência e desempenho superior. Ele já pode ser acessado no Google AI Studio e no Vertex AI, oferecendo novas possibilidades para automação, testes e fluxos de trabalho inteligentes.
Como funciona o Gemini 2.5 Computer Use
O funcionamento do modelo é baseado no novo recurso computer_use dentro da API Gemini. A ferramenta recebe como entrada o pedido do usuário, uma captura de tela do ambiente e o histórico de ações recentes. A partir dessas informações, o modelo interpreta o contexto e gera uma resposta, geralmente na forma de uma ação de interface - como clicar, digitar ou selecionar um item.
Em determinadas situações, o modelo pode solicitar confirmação do usuário antes de executar ações sensíveis, como uma compra. Após a execução, o sistema envia uma nova captura da tela para análise, reiniciando o ciclo até a conclusão da tarefa. Esse processo iterativo torna o Gemini 2.5 Computer Use ideal para automações complexas e fluxos contínuos de interação digital.
Embora otimizado para navegadores web, o modelo também mostrou resultados promissores em controles de interface mobile, expandindo o alcance da IA em múltiplos dispositivos. No entanto, o suporte para sistemas operacionais desktop ainda está em desenvolvimento.

Demonstrações práticas
O Google divulgou algumas demonstrações para ilustrar o potencial do modelo. Em uma delas, o agente visita um site de cadastro de pets, coleta informações sobre residentes da Califórnia e as adiciona automaticamente em um sistema de CRM, agendando uma visita com um especialista.
Em outro exemplo, o modelo organiza notas virtuais em um quadro colaborativo, arrastando elementos de forma autônoma e precisa.
Desempenho superior com menor latência
Nos testes conduzidos pelo Google e pela Browserbase, o Gemini 2.5 Computer Use atingiu o melhor desempenho entre os modelos de controle de navegador, com a menor latência registrada. Os resultados completos podem ser consultados no relatório técnico oficial.
Esses ganhos refletem avanços nas capacidades visuais e de raciocínio do Gemini 2.5 Pro, que agora é capaz de compreender elementos de interface e relacioná-los a intenções complexas do usuário.
Segurança e controle em primeiro lugar
Por se tratar de um modelo que controla computadores diretamente, o Google implementou salvaguardas robustas contra mau uso. Três áreas principais foram priorizadas: prevenção de comportamento inesperado, proteção contra injeções de prompt e bloqueio de ações potencialmente nocivas.
Entre as medidas de segurança, estão:
- Serviço de segurança por etapa: cada ação proposta pelo modelo é avaliada em tempo real antes de ser executada.
- Instruções de sistema configuráveis: permitem que desenvolvedores exijam confirmações ou proíbam ações específicas de alto risco.
- Treinamento com foco em segurança: as restrições e protocolos foram integrados diretamente ao treinamento do modelo.
Além disso, o Google recomenda que os desenvolvedores realizem testes extensivos antes de implantar agentes em ambientes de produção, reforçando a importância de boas práticas em automação com IA.
Casos de uso e primeiros resultados
Internamente, equipes do Google já utilizam o Gemini 2.5 Computer Use em produção, especialmente para testes de interface de usuário (UI), acelerando processos de desenvolvimento. Projetos como Project Mariner, o Firebase Testing Agent e o modo “AI Mode” do Google Search já aproveitam versões derivadas do modelo.
Entre os primeiros usuários externos, empresas de automação e assistentes pessoais relataram melhorias significativas:
- Poke.com relatou um ganho de 50% em velocidade e precisão em fluxos de trabalho de mensagens automatizadas.
- Autotab observou aumento de 18% na precisão ao processar contextos complexos e dados sensíveis.
- A equipe de pagamentos do Google utilizou o modelo para recuperar automaticamente testes de interface falhos, reduzindo em 60% as execuções que antes exigiam dias de correção manual.
Como começar a usar o modelo
O Gemini 2.5 Computer Use está disponível a partir de hoje em prévia pública no Google AI Studio e Vertex AI. Desenvolvedores podem testá-lo em um ambiente de demonstração na Browserbase ou acessar o repositório oficial no GitHub para criar seus próprios agentes locais.
O Google também convida os desenvolvedores a participar da comunidade no Developer Forum para compartilhar feedback e contribuir com o roadmap do projeto.
Com o Gemini 2.5 Computer Use, o Google dá um passo decisivo rumo à próxima geração de agentes de IA realmente interativos - capazes não apenas de responder a comandos, mas de operar sistemas digitais como usuários humanos. A combinação de desempenho técnico, foco em segurança e integração com o ecossistema Gemini reforça o papel da empresa na corrida pela automação inteligente.
Gostou deste conteúdo?
Siga o Casa do Dev para acompanhar as principais inovações em IA, tecnologia e desenvolvimento. 👉 No Instagram: @casadodev 💬 Canal no WhatsApp: clique aqui.