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)
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.