No dia 24 de junho de 2026, o Google anunciou que o Gemini 3.5 Flash passou a ter Computer Use integrado nativamente ao modelo principal. Antes, quem queria que um agente controlasse o computador precisava usar um modelo separado, o Gemini 2.5 Computer Use, e gerenciar dois contextos diferentes. Agora é um único modelo: o mesmo Flash que você usa para function calling, busca e Maps já consegue ver a tela, clicar, digitar e navegar por qualquer interface, seja browser, mobile ou desktop. Esse artigo explica o que mudou, como funciona na prática e o que isso abre para quem já está criando agentes.

Agente IA Pixar 3D comandando theatralmente múltiplas telas flutuantes com luz azul elétrica em fundo azul marinho dramático

O que mudou: Computer Use deixou de ser um modelo separado

Computer Use era um produto separado no ecossistema do Google. Quem queria um agente capaz de controlar interfaces visuais precisava chamar o Gemini 2.5 Computer Use como modelo distinto, com seu próprio endpoint e contexto. A partir de 24 de junho, o Computer Use foi integrado como ferramenta nativa ao Gemini 3.5 Flash, ao lado de function calling, Google Search e Google Maps.

Na prática, isso elimina uma camada de complexidade. Você chama o Gemini 3.5 Flash e a ferramenta de Computer Use está disponível no mesmo contexto do seu agente, sem alternar de modelo nem de ambiente. O recurso está disponível via Gemini API e via Gemini Enterprise Agent Platform.

Print da home do Google AI Studio mostrando o Gemini 3.5 Flash disponível para uso via API

Como um agente com Computer Use executa uma tarefa

O agente vê a tela, interpreta o que está ali e decide a próxima ação: clicar num botão, preencher um campo, navegar para outra página, extrair dados de uma tabela. Isso funciona em browser, desktop e mobile.

Dois exemplos práticos que o Google demonstrou no anúncio:

Análise de aplicativo: o agente recebe a instrução “analise o app Gemini e retorne uma lista categorizada de funcionalidades”. Ele abre o app, navega pelas telas, identifica os recursos e devolve a lista estruturada, sem que o humano precise mapear nada antes.

Auditoria de documentação: o agente acessa a documentação do Google, identifica problemas de acessibilidade em páginas e gera um relatório. Tarefa que levava dias num time de QA virou tarefa de agente.

Empresas como Browserbase, Browser Use e UiPath já estão integrando o Computer Use do Gemini 3.5 Flash nos seus produtos. A Browserbase abriu um ambiente de demo direto em gemini.browserbase.com para quem quer testar sem configurar infraestrutura.

Agente robô Pixar 3D com expressão concentrada clicando com precisão em janelas de browser flutuantes com cursor gigante cintilante e luz elétrica azul

OSWorld: como o Gemini 3.5 Flash se compara com o GPT-5.5

O OSWorld-Verified é o benchmark padrão para tarefas de Computer Use em agentes. O Gemini 3.5 Flash marcou 78,4 pontos. O GPT-5.5 da OpenAI marcou 78,7. Praticamente empatados no desempenho.

A diferença relevante está no custo: o Gemini 3.5 Flash sai a cerca de um terço do preço por token em relação ao GPT-5.5. Para agentes que rodam Computer Use em volume, isso importa. Uma tarefa simples de navegação pode gerar dezenas de chamadas de modelo, e a diferença de custo se multiplica quando o volume aumenta.

Pontuação acima de 78 no OSWorld significa que o modelo consegue concluir a maioria das tarefas de computador comuns com autonomia real, não só as tarefas triviais. Esse patamar é o que define se um Computer Use funciona em produção ou só em demo.

Dois robôs Pixar 3D em pódio de competição quase empatados com expressões triunfantes e confetes voando ao redor em luz azul elétrica dramática

O que isso abre pra quem está criando agentes hoje

Computer Use integrado muda a categoria de tarefas que um agente consegue executar sem depender de API de terceiros. Até agora, automações precisavam de um endpoint bem documentado ou de uma integração via n8n para acessar cada sistema. Com Computer Use, o agente opera pelo visual, da mesma forma que um humano faria.

Isso abre especialmente para sistemas legados sem API: ERPs antigos, portais de governo, dashboards corporativos sem endpoint público. O agente vê a tela e opera.

As quatro aplicações mais diretas para quem trabalha com automação empresarial:

  • Testes automatizados contínuos de software, sem precisar criar scripts de automação específicos
  • Extração de dados de portais sem API disponível
  • Operação de sistemas que a empresa não tem orçamento para modernizar
  • Agentes de atendimento que navegam em sistemas internos para responder uma pergunta de cliente

O Google lançou junto duas salvaguardas para uso em empresas: confirmação explícita do usuário antes de ações irreversíveis, e encerramento automático da tarefa se o agente detectar uma injeção de prompt indireta.

Empreendedora cartoon Pixar 3D com óculos apontando para painel enquanto três robôs pequenos ao fundo controlam cada um uma tela diferente com dados de negócio e luz azul elétrica

A Formação em Agentes IA e Automações da ibe.IA ensina a montar agentes que atendem clínicas, imobiliárias e e-commerces usando as ferramentas mais novas do mercado.

Conheça a Formação em Agentes IA e Automações

E se essa leitura te ajudou a entender o que está acontecendo, segue a ibe.IA no Instagram (@ibe.ia) que toda semana sai conteúdo desse jeito.

Fonte

Google Blog: Introducing computer use in Gemini 3.5 Flash

TechTimes: Gemini Computer Use Baked Into Gemini 3.5 Flash: Screen Control Now Pairs With Search and Maps