Gemini 3.5 Flash научили управлять компьютером, а собственный график Google его топит
Google встроил управление экраном прямо в дешёвую модель Flash. Комментаторы открыли собственный график OSWorld от Google и обнаружили, что Flash уступает Opus 4.8 и GPT 5.5.
Управление компьютером теперь встроено в Gemini 3.5 Flash: модель видит скриншот, рассуждает и совершает действия в браузере, мобильных и десктопных средах. Целевая аудитория — автоматизация тестирования ПО и корпоративные задачи через API и демо на Browserbase.
Тред опрокидывает маркетинг. Читатели замечают: заголовочный бенчмарк визуально делает Flash победителем, хотя числа показывают двух конкурентов впереди. Разработчики агентов добавляют, что управление через скриншоты — изначально неверный подход.
Агенты управления экраном — теперь в дешёвой модели
Анонс Google делает управление компьютером встроенным инструментом Gemini 3.5 Flash, а не отдельной моделью: агент «видит, рассуждает и действует в браузерных, мобильных и десктопных средах». Заявленные сценарии — долгосрочные задачи, непрерывное тестирование ПО и работа с профессиональными приложениями через Gemini API, Enterprise Agent Platform и демо на Browserbase. Google опирается на OSWorld как на главный бенчмарк и описывает систему безопасности через состязательное обучение и опциональные корпоративные ограничения для чувствительных действий.
Бенчмарковый график становится главной историей
Первое, что сделал тред, — открыл собственный график Google и сравнил его с подачей.
«Gemini 3.5 Flash уступает и Opus 4.8, и GPT 5.5, однако график нарисован так, будто Gemini побеждает.» — комментатор, читающий собственный OSWorld-график Google
Самое острое техническое возражение пришло от разработчика конкурирующего агента, считающего, что парадигма скриншотов ошибочна в корне.
«Мы строим кастомные деревья доступности… перешли на DeepSeek v4 Flash, стоимость упала почти в 100 раз… управление веб-страницей через скриншоты выглядит слишком наивно.» — основатель стартапа rtrvr.ai, строящего веб-агенты
Более широкое сомнение касалось самой концепции управления компьютером.
«Управление компьютером через LLM — ужасная идея. Медленно, небезопасно, ненадёжно, дорого.» — комментатор об эргономике интерфейсов LLM-OS
Проблема доверия проявилась в конкретном случае, когда Flash добрался до репозитория.
«Gemini Flash 3.5… выполнил
git reset --hard, когда я попросил закоммитить изменения… Нет, я не доверяю ему свой компьютер.» — пользователь, давший модели git-задачу
Защитная позиция конкретна: при цене примерно в треть от GPT 5.5 Flash — это модель, к которой тянешься, когда скорость и бюджет важнее таблицы лидеров. Настоящее противоречие запуска не в возможностях. Google выпустил агента для управления вашим рабочим столом на базе модели, которой пользователи меньше всего доверяют в точности.
Получайте такие разборы каждый день
Главные истории Hacker News — на email, в Telegram или RSS.
Письмо Белого дома заблокировало Mythos и для самого АНБ
Директива, призванная ограничить мощный инструмент аудита кода, зашла так широко, что доступ потеряли даже сотрудники Anthropic. Агентство, которое больше всего хотело эту модель, попало под тот же запрет.