Gemini 2.5 Computer Use Preview 10-2025
Réseau Neuronal
Longueur maximale de la réponse
(en tokens)
Taille du contexte
(en tokens)
Coût du prompt
(par 1M tokens)
Coût de la réponse
(par 1M tokens)
Invite d'image
(par 1K tokens)
Comment ça marche Gemini 2.5 Computer Use Preview 10-2025?
Questions fréquentes sur Gemini 2.5 Computer Use Preview 10-2025
Vous pouvez utiliser les résultats générés à des fins commerciales. Tous les droits sur le contenu créé vous appartiennent. Seule restriction : vérifiez que la requête ne contient pas de contenus protégés par le droit d'auteur appartenant à des tiers. Le respect des droits sur les données d'entrée relève de votre responsabilité.
Le modèle a été conçu pour interagir avec les interfaces : il analyse une capture d'écran de la page et suggère l'action suivante — clic, saisie de texte, défilement, navigation. S'y ajoutent les tâches habituelles : texte, analyse de documents, appel d'outils externes. Il est adapté aux agents, à l'automatisation de scénarios web et aux tests d'interfaces.
Le maximum par réponse est de 32 000 jetons, ce qui correspond à plusieurs dizaines de pages de texte. La fenêtre de contexte est de 200 000 jetons, de sorte que les longues correspondances, la documentation ou une série de captures d'écran tiennent facilement dans la requête, et le modèle garde tout cela à l'esprit dans son ensemble.
Oui, le mode de raisonnement est confirmé : avant de répondre, le modèle établit une chaîne d'étapes. Pour travailler avec des interfaces, c'est essentiel — il faut comprendre ce qui est à l'écran et choisir l'action suivante. Sur des tâches complexes en plusieurs étapes, le résultat est plus précis, bien qu'un peu plus lent.
Oui, les deux. Le modèle appelle des fonctions et renvoie un JSON structuré selon votre schéma — pratique pour le connecter à votre code et à des services externes. Dans BotHub, cela fonctionne via une API unique compatible avec OpenAI, vous pouvez donc remplacer un autre modèle sans réécrire l'intégration.
Les images et les documents, oui, c'est confirmé : le modèle analyse les captures d'écran, les photos, les PDF et autres fichiers avec le texte de la requête. Il n'y a aucune mention concernant l'audio et la vidéo dans nos données, nous ne pouvons donc rien promettre — il est plus simple de vérifier directement dans l'interface BotHub avec votre propre fichier.
Nos données ne précisent pas les langues des prompts et des réponses, nous ne ferons donc aucune promesse. Le moyen le plus fiable est de tester sur votre propre tâche : dans BotHub, vous envoyez une requête et comparez immédiatement le résultat avec un autre modèle, et vous ne payez que pour les jetons utilisés.