Gemini 3.5 Flash に「computer use」標準搭載──100万トークン + インジェクション対抗学習

「操作するAI」が最速モデルの標準機能に

Google は Gemini 3.5 Flash に computer use をビルトインツールとして統合した。エージェントがブラウザ・モバイル・デスクトップの画面を認識し、クリック・入力などの操作を直接実行できる。専用モデルやアドオンではなく、最速・最安クラスの量産モデルの標準機能になった点が大きい。

100万トークンのコンテキストに加え、プロンプトインジェクションに対する敵対的学習を明示的に組み込んだ。画面上の悪意ある指示に従ってしまう「UI経由の乗っ取り」への対策が、モデルレベルで語られ始めている。

エンタープライズにとっての意味

レガシー画面の自動化（RPA代替）が、専用ツールなしで実装できる射程に入った。一方で、エージェントに画面操作権限を渡す際の権限設計・監査ログ・インジェクション対策は導入側の責任として残る。PoC 段階から統制要件を並走させたい。