Gemini 2.5 Computer Use Preview 10-2025
Rede Neural
Especificações
- Entrada
- texto, imagens, documentos
- Saída
- texto
- Tamanho do contexto
- 131 072 tokens
- Comprimento máximo de resposta
- 32 000 tokens
- Níveis de raciocínio
- baixo, médio, alto
- Recursos
- raciocínio, chamada de funções, Batch API
Custo do prompt
(por 1M tokens)
Custo da resposta
(por 1M tokens)
Prompt de imagem
(por 1K tokens)
import OpenAI from 'openai';
const openai = new OpenAI({
apiKey: '<your bothub access token>',
baseURL: 'https://openai.bothub.chat/v1'
});
// Sync - Text generation
async function main() {
const chatCompletion = await openai.chat.completions.create({
messages: [{ role: 'user', content: 'Say this is a test' }],
model: 'gemini-2.5-computer-use-preview-10-2025',
});
}
// Async - Text generation
async function main() {
const stream = await openai.chat.completions.create({
messages: [{ role: 'user', content: 'Say this is a test' }],
model: 'gemini-2.5-computer-use-preview-10-2025',
stream: true
});
for await (const chunk of stream) {
const part: string | null = chunk.choices[0].delta?.content ?? null;
}
}
main();
Como funciona Gemini 2.5 Computer Use Preview 10-2025?
Perguntas frequentes sobre Gemini 2.5 Computer Use Preview 10-2025
Você pode usar os resultados da geração para fins comerciais. Todos os direitos sobre o conteúdo criado pertencem a você. A única restrição: certifique-se de que a solicitação não inclua materiais de terceiros protegidos por direitos autorais. A responsabilidade pelo cumprimento dos direitos sobre os dados de entrada é do usuário.
O modelo foi criado para trabalhar com interfaces: ele analisa a captura de tela da página e sugere a próxima ação — clique, entrada de texto, rolagem, navegação. Além de tarefas comuns: texto, análise de documentos, chamada de ferramentas externas. É adequado para agentes, automação de cenários web e testes de interface.
O máximo por resposta é de 32.000 tokens, o que equivale a cerca de algumas dezenas de páginas de texto. A janela de contexto é de 200.000 tokens, portanto, longas correspondências, documentação ou uma série de capturas de tela cabem facilmente na solicitação, e o modelo mantém tudo isso em mente.
Sim, o modo de raciocínio está confirmado: antes de responder, o modelo constrói uma cadeia de passos. Para trabalhar com interfaces, isso é fundamental — é preciso entender o que está na tela e escolher a próxima ação. Em tarefas complexas de várias etapas, o resultado é mais preciso, embora um pouco mais lento.
Sim, ambos. O modelo chama funções e retorna JSON estruturado de acordo com seu esquema — é conveniente conectá-lo ao seu código e a serviços externos. No BotHub, isso funciona através de uma API única compatível com OpenAI, portanto, você pode substituir outro modelo sem reescrever a integração.
Imagens e documentos — sim, isso está confirmado: o modelo analisa capturas de tela, fotos, PDFs e outros arquivos junto com o texto da solicitação. Não há informações sobre áudio e vídeo em nossos dados, por isso não vamos prometer — é mais fácil verificar diretamente na interface do BotHub com seu próprio arquivo.
Em nossos dados, os idiomas dos prompts e das respostas não estão fixados, por isso não faremos promessas. A maneira mais confiável é testar com sua própria tarefa: no BotHub, você envia uma solicitação e compara imediatamente o resultado com outro modelo, pagando apenas pelos tokens utilizados.