Google vừa tích hợp sẵn Computer Use vào Gemini 3.5 Flash. AI giờ có thể nhìn màn hình, suy luận, rồi tự click nút, gõ phím, điền form — trên cả browser, mobile lẫn desktop. Không cần tích hợp API riêng từng app nữa, chỉ cần cho AI xem màn hình và giao việc.
\n\n
Google Gemini 3.5 Flash Computer Use là gì?
\n\n
Computer Use là khả năng AI nhìn screenshot màn hình, hiểu giao diện, rồi thực hiện hành động như con người: click chuột, gõ text, scroll, chọn menu. Trước đây tính năng này chỉ có trên Gemini 2.5 Computer Use — một model riêng biệt. Giờ Google nhúng thẳng vào Gemini 3.5 Flash, model chạy nhanh nhất dòng Gemini.
\n\n
Điều này có nghĩa là developer không cần viết integration riêng cho từng phần mềm. Bạn chỉ cần cho AI thấy màn hình và nói “hãy điền đơn này” hoặc “kiểm tra bug trên trang login” — AI tự lo phần còn lại. Nó mở ra khả năng tự động hóa trên những phần mềm cũ, những hệ thống không có API public.
\n\n
Benchmark OSWorld: Gemini 3.5 Flash so với đối thủ ra sao?
\n\n
Trên benchmark OSWorld (kiểm tra khả năng AI thao tác giao diện máy tính), Gemini 3.5 Flash đạt 78.4 điểm. Con số này bằng với Claude Sonnet 4.6 và chỉ thua GPT-5.5 đúng 0.3 điểm. Anthropic Opus 4.8 vẫn dẫn đầu ở 83.4.
\n\n
Nhưng so sánh với chính nhà Google, đây là bước nhảy lớn. Gemini 3 Flash chỉ đạt 65.1 điểm. Việc 3.5 Flash tăng lên 78.4 cho thấy Google đã tối ưu sâu cho vòng lặp agentic — tức chu trình screenshot, phân tích, hành động, lặp lại.
\n\n
| Model | OSWorld Score |
|---|---|
| Anthropic Opus 4.8 | 83.4 |
| GPT-5.5 | 78.7 |
| Gemini 3.5 Flash | 78.4 |
| Claude Sonnet 4.6 | 78.4 |
| GPT-5.4 mini | 72.1 |
| Gemini 3.1 Pro | 76.2 |
| Gemini 3 Flash | 65.1 |
\n\n
Cách Computer Use hoạt động trong thực tế?
\n\n
Quy trình khá đơn giản. App client chụp screenshot màn hình hiện tại, gửi cho Gemini 3.5 Flash. Model đọc pixels, xác định vị trí các nút, form, menu, rồi trả về lệnh hành động — ví dụ click tại tọa độ X/Y cụ thể. Client thực hiện lệnh, chụp screenshot mới, gửi lại. Vòng lặp này lặp lại cho đến khi hoàn thành task.
\n\n
Google cho biết model được tối ưu cho long-horizon tasks — những việc cần nhiều bước liên tiếp, có kế hoạch, có ra quyết định. Thay vì chỉ trả lời một câu hỏi, AI có thể thực hiện cả quy trình: mở app, điền form, submit, kiểm tra kết quả, báo cáo.
\n\n
Developer Việt Nam có thể dùng ngay không?
\n\n
Có, và mình nghĩ nên thử ngay. Computer Use trên Gemini 3.5 Flash đã ở giai đoạn public preview, truy cập qua Gemini API và Gemini Enterprise Agent Platform. Google cũng cung cấp demo sẵn trên Browserbase để bạn test không cần setup hạ tầng. Có sẵn reference implementation trên GitHub.
\n\n
Cách nhanh nhất để bắt đầu: truy cập Gemini API documentation, kích hoạt Computer Use tool parameter cho model gemini-3.5-flash. Bạn có thể kết hợp với function calling, Search grounding, Maps — tất cả trong cùng một model. Điều mà trước đây cần nhiều service ghép lại.
\n\n
So sánh Computer Use: Google vs Anthropic vs OpenAI
\n\n
Mình thấy cuộc đua Computer Use đang chia thành ba hướng rõ ràng. Google đi hướng tích hợp sâu — nhúng mọi thứ vào một model duy nhất, tận dụng hệ sinh thái riêng (Chrome, Android, Google Workspace). Anthropic đi hướng enterprise safety — Opus 4.8 dẫn đầu benchmark nhưng giá cao hơn, tập trung vào độ tin cậy cho doanh nghiệp lớn. OpenAI thì đang chạy sau trong cuộc đua này, GPT-5.5 chỉ hơn Gemini 3.5 Flash đúng 0.3 điểm trên OSWorld.
\n\n
Nhưng điểm thú vị nhất là giá. Gemini 3.5 Flash nằm ở phân khúc Flash — nhanh, rẻ, mà điểm số ngang ngửa model Pro của đối thủ. Nếu bạn build agent cho SME, đây là lựa chọn đáng cân nhắc nhất hiện tại. Anthropic mạnh hơn nhưng đắt hơn nhiều. OpenAI thì chưa có native Computer Use tương đương.
\n\n
An toàn: AI tự click có rủi ro gì?
\n\n
Google không nhẹ nhàng về vấn đề này. Họ dùng adversarial training để giảm rủi ro prompt injection — tức ai đó giấu lệnh độc trong webpage để lừa AI thực hiện hành động sai. Ngoài ra có hai tùy chọn bảo mật enterprise: một là yêu cầu người dùng xác nhận trước khi AI thực hiện hành động nhạy cảm (ví dụ xóa file, chuyển tiền), hai là tự động ngưng task khi phát hiện indirect prompt injection.
\n\n
Google khuyến nghị thêm: chạy AI trong sandbox, có human-in-the-loop kiểm soát, giới hạn quyền truy cập. Điều này hợp lý vì AIđiều khiển màn hình có thể gây hậu quả thực tế — sai một click là xóa nhầm data hoặc gửi nhầm email cho khách hàng.
\n\n
Ứng dụng thực tế: ai nên quan tâm?
\n\n
Mình nhìn thấy bốn nhóm use case rõ ràng nhất. Thứ nhất là software testing — thay vì viết test script phức tạp, AI có thể test app như người dùng thật, click qua các flow, báo cáo bug. Thứ hai là office automation — AI đọc email, trích data, điền vào spreadsheet, gửi báo cáo. Thứ ba là customer support — agent mở dashboard, tra thông tin, cập nhật ticket. Thứ tư là data entry — những công việc lặp đi lặp lại như copy-paste giữa các hệ thống không có API.
\n\n
Đặc biệt nhóm thứ tư rất thực tế cho doanh nghiệp Việt Nam. Rất nhiều công ty vẫn vận hành trên Excel, phần mềm kế toán cũ, hệ thống ERP tự xây — những thứ không có API. Computer Use mở ra khả năng tự động hóa mà không cần viết lại toàn bộ hệ thống.
\n\n
Đánh giá của mình
\n\n
Mình đánh giá 8/10 cho bản release này. Lý do: Google tích hợp Computer Use vào model Flash thay vì giữ riêng — đúng hướng, vì ai cũng muốn một model làm được nhiều việc. Giá Flash rẻ hơn Pro nhiều, mà điểm OSWorld ngang ngửa Sonnet 4.6. Điểm trừ: vẫn là public preview, độ ổn định thực tế cần test thêm, và rủi ro prompt injection vẫn tồn tại dù đã có mitigation.
\n\n
Nếu bạn đang build AI agent và cần khả năng thao tác giao diện, Gemini 3.5 Flash Computer Use đáng để test ngay tuần này. Demo Browserbase miễn phí, reference implementation có sẵn trên GitHub — không có lý do gì để không thử.
