Is Google Gemini 2.5 Computer Use actually faster than a human?

Not usually on short tasks. The value is reliability and endurance—on long, repetitive flows, the agent’s steady pace and low error rate can beat a rushed human, especially when you factor in zero fatigue and perfect recall.

What kinds of tasks are best for Gemini 2.5 Computer Use?

Anything repetitive in a web browser: multi-field form filling, dashboard filtering, downloading reports, or uploading files. It’s ideal when there’s no API and the site’s layout is fairly stable.

How does Gemini 2.5 Computer Use compare to other AI agents?

Coverage suggests it’s optimized for browser tasks and performs competitively in third-party evaluations. As always, test on your actual workflows—benchmarks are helpful, but your sites and edge cases are the real judge.

Will it handle CAPTCHAs or multi-factor authentication for me?

Nope. Expect to step in for CAPTCHAs and MFA challenges. A practical setup is to pause the agent at those steps, complete the verification, then let it continue.

Is Gemini 2.5 Computer Use safe for sensitive accounts?

It can be, with guardrails. Use least-privilege credentials, scope access tightly, and enable safety and content filters—especially in enterprise environments. Ask the agent to preview or explain steps before committing to risky actions.

مراجعة Google Gemini 2.5 ‘Computer Use’: متصفح ينقر للخلف

هل تمنيت يومًا أن تستنسخ نفسك للقيام بالنقرات المملة بينما تتولى أنت الأجزاء الممتعة؟ لقد جربت شيئًا قريبًا من ذلك. إنه يسمى Gemini 2.5 "Computer Use" من Google، وهو ذكاء اصطناعي لا يكتب الكلمات فحسب - بل يحرك الماوس فعليًا، ويتنقل، ويكتب في الحقول، ويعمل داخل نافذة متصفح حقيقية مثل مساعد مجتهد للغاية وحرفي للغاية. فكر في الأمر على أنه "متدرب يتبع التعليمات تمامًا كما هي مكتوبة"، مع حذف فترات استراحة القهوة.

في هذه المراجعة، سأعرض لك ما يفعله Gemini 2.5 Computer Use بشكل جيد، وأين يتعثر، وكيف يضاهي وكلاء الذكاء الاصطناعي الآخرين، وما إذا كان يجب على مجرد البشر (وليس فقط المطورين) تجربته. على طول الطريق، سأرش بعض النصائح العملية، وبعض المزالق، وجرعة عادلة من الشك الصحي. اربطوا الأحزمة.

ما هو Gemini 2.5 Computer Use، حقًا؟

تخيل أنك تقول لمساعد: "افتح متصفحي. اذهب إلى موقع شركة الطيران هذا. انقر فوق تسجيل الدخول. الصق رمز التأكيد الخاص بي. الآن قم بتصفية المقاعد الموجودة على الممر فقط." هذه هي الخدعة السحرية: يمكن لـ Gemini 2.5 Computer Use تشغيل متصفح بالطريقة التي تفعل بها - النقر فوق الأزرار، والكتابة في النماذج، واتباع الملصقات التي تظهر على الشاشة - خاصةً عندما لا توجد واجهة برمجة تطبيقات {API} مرتبة لجلب البيانات أو تشغيل الإجراء. إنه وكيل يتصرف، وليس مجرد دردشة. تضع Google هذا كنموذج مُحسَّن لمهام الويب (وبشكل متزايد، التدفقات على غرار الهاتف المحمول)، مما يتيح له الوصول إلى المعلومات وأداء الأعمال الروتينية في البرية حيث ترفض العديد من التطبيقات واجهات برمجة التطبيقات {API} وكل شيء يعيش وراء JavaScript وملفات تعريف الارتباط و CAPTCHA.

الخبر الكبير: تقول Google إن نكهة Computer Use هذه متاحة عبر واجهة برمجة التطبيقات {API} وتم ضبطها خصيصًا للمتصفحات ومهام واجهة المستخدم المعقدة. أبلغ مختبرو الطرف الثالث عن أداء قوي في تقييمات قائمة على المتصفح، في بعض الحالات يتفوقون على المنافسين في الدقة والسرعة وحتى التكلفة في بعض المعايير (قد تختلف النتائج التي تحصل عليها، بالطبع). تشير التغطية المستقلة أيضًا إلى أن Google كانت تهدف إلى موثوقية تدفق الويب أولاً، مع ظهور بعض القوة الناشئة في مهام Android في معايير داخلية على غرار "AndroidWorld".

لماذا هذا مهم (يوم في الحياة)

لنتخيل الإنترنت على أنه مبنى مكاتب عملاق صعب الإرضاء. واجهات برمجة التطبيقات {APIs} تشبه زملاء العمل الودودين الذين يسلمون لك البيانات بدقة. صفحات الويب؟ هذه هي الخزائن المغلقة والأدراج الصرير والأظرف المغلقة بإحكام التي لا يزال عليك فتحها فعليًا. Computer Use هو المتدرب الذي يمكنه السير في الردهة وفتح الخزانة ونسخ النموذج بشكل صحيح - ببطء وحذر، بنقرة واحدة في كل مرة.

إذا كنت مستقلاً تقدم جداول زمنية أسبوعية على بوابة معقدة، أو باحثًا يملأ النموذج نفسه عبر 20 موقعًا حكوميًا، أو أحد الوالدين ينقر عبر البوابة الإلكترونية للمدرسة لتحديث جهات الاتصال في حالات الطوارئ - فهذا هو نوع العمل الشاق الذي يمكنك تفويضه إلى روبوت حريص وحرفي.

إليك كيف يبدو استخدامه

الإعداد: في عالم المطورين، تقوم بتشغيل النموذج عبر واجهة برمجة التطبيقات {API}، وتقديم التعليمات، وتحديد البيئة (متصفح مُدار). بمجرد تشغيله، يمكنك "مطالبة" الوكيل بالمهام. سترى أنه يفتح الصفحات وينقر فوق الأزرار ويملأ الحقول. على جانب المستخدم - إذا كان تطبيقك المفضل يدمجه - فستحصل على شيء مثل: "صف العمل الروتيني الذي تريد القيام به"، ثم شاهده بينما يبدأ المؤشر في العمل.

الأجواء: فكر في الأمر على أنه راكب دراجة صبور، وليس سائق Formula 1. إنه يتخذ خطوات متعمدة ومرئية. يمكن أن يكون ذلك مطمئنًا (أنت ترى بالضبط ما يفعله) وبطيئًا بعض الشيء مقارنة بإنسان ينقر برأسه مثل سنجاب مدمن على الكافيين. ولكن بالنسبة للأعمال الروتينية المستدامة والمتكررة والمعرضة للأخطاء؟ الفوز لمن يسر ببطء وثبات.

الحواجز الواقية: لن ينحرف. هذه العوامل مقيدة بشدة وتلتزم بمرشحات المحتوى والسلامة، خاصة في سياقات المؤسسات عبر Vertex AI. إنهم حذرون بشأن الإجراءات الحساسة، ويفضلون التعليمات الواضحة على "الأجواء". إذا كنت غامضًا، فإنه يطلب توضيحًا.

ما هو جيد فيه

ملء النماذج على المواقع العنيدة: أي شيء يفتقر إلى واجهة برمجة تطبيقات {API} مناسبة ولكنه يحتوي على ملصقات متسقة هو منطقة رئيسية.

مهام الويب متعددة الخطوات: تسجيل الدخول (ضمن السياقات المسموح بها)، والتنقل في القوائم المتداخلة، وتصفية النتائج، وتصدير ملفات CSV، وتحميل أو تنزيل الملفات - إذا كانت واجهة المستخدم الخاصة بالموقع مستقرة.

الأعمال الروتينية المتكررة: مهام سير العمل الأسبوعية، وإعادة التسمية المجمعة عبر واجهات مستخدم الويب، وإدراج العناصر، وسحب البيانات من لوحات المعلومات التي يُسمح لك بعرضها.

تسلسلات طويلة ومملة: نوع الأشياء التي تجعلك تنفصل عن العالم. الوكيل لا ينفصل عن العالم.

أين يواجه صعوبات

عقبات CAPTCHA و MFA: ستظل البالغ المسؤول في الغرفة للحظات "أثبت أنك إنسان".

تغييرات واجهة المستخدم: إذا تغير نص الزر أو تخطيط الموقع، فقد يحتاج الوكيل إلى دفعة أو إعادة مطالبة.

الشياطين السريعة: يمكن للإنسان السريع أحيانًا أن يشق طريقه عبر نموذج أسرع. الفوز هنا هو الاتساق وعدم التذمر.

المطالبات الغامضة: "ابحث لي عن المطالبات الجيدة" ليست خطة. اذكر المعايير.

بالمقارنة مع المنافسة

مقابل نماذج الدردشة التقليدية (النص فقط): يرسم Computer Use خطًا في الرمال من خلال العمل مباشرة في المتصفح. إنه لا يخبرك فقط كيف تفعل ذلك؛ بل يفعل ذلك.

مقابل نماذج الوكلاء الأخرى: تشير التقارير والاختبارات المبكرة إلى أن Gemini 2.5 Computer Use يتنافس بقوة في مهام المتصفح الحقيقية ويتم وضعه على أنه مُحسَّن لتفاعلات الويب. تؤكد التغطية من الصحافة التقنية على عرض "يستخدم متصفح الويب مثلك"، وتؤكد على التركيز على التنقل في واجهة المستخدم في العالم الحقيقي. تقول بعض مؤسسات القياس المعياري التابعة لجهات خارجية إنه يتقدم في الدقة والسرعة في إعداداتها، على الرغم من أن المعايير، كما هو الحال دائمًا، تشبه الأبراج - ممتعة ودقيقة في بعض الأحيان، وليست بديلاً عن الاختبارات الخاصة بك.

Web vs Android: تصف التقارير العامة أنه مُحسَّن في المقام الأول للويب، مع ظهور قدرة واعدة على مهام Android في الاختبارات. إذا كنت تحلم بتشغيل هاتفك بالكامل على الطيار الآلي، فخفف من التوقعات - في الوقت الحالي.

قصة سريعة: تغيير الرحلة

أعطيته صداعًا كلاسيكيًا: "افتح Airline X. سجل الدخول. اسحب رحلاتي القادمة. قم بتغيير رحلة العودة إلى السبت. اختر مقعدًا على الممر. طبق الأميال. أكد ما إذا كانت الرسوم أقل من 100 دولار؛ وإذا لم يكن الأمر كذلك، فتوقف وقدم تقريرًا." كان الشعور بمراقبته يشبه تدريب مساعد جديد. انتقل إلى الموقع، وحدد موقع "رحلاتي"، ووجد رقم التأكيد الصحيح، و... توقف عند مخطط المقاعد. لم تكن الملصقات قياسية تمامًا. طلب توضيحًا: "المقاعد الموجودة على الممر مُحددة بـ 'A'، هل تؤكد؟" أكدت. تابع - ووصل بي إلى صفحة المراجعة. كانت الرسوم 149 دولارًا. توقف، كما هو موجه، ولخص رسوم التغيير، وأعاد التحكم إلي. ليس سحرًا تمامًا. مفيد جدًا.

الخصوصية والأمان

تؤكد مستندات Google الرسمية وطرق المؤسسات على عوامل تصفية الأمان والمحتوى القابلة للتكوين - بشكل أساسي مفاتيح "عدم النقر فوق الزر الأحمر" التي تحبها أقسام تكنولوجيا المعلومات. يعمل الوكيل داخل بيئة مُدارة، ويمكنك تحديد ما يمكنه رؤيته أو فعله. ومع ذلك: لا تسلم أي وكيل مفاتيح مملكتك الرقمية بأكملها. الحل الوسط العملي هو تحديد نطاق بيانات الاعتماد (مهمة واحدة، حساب واحد)، واستخدام عمليات تسجيل دخول يمكن التخلص منها أو بأقل الامتيازات للمهام عالية المخاطر، وجعل الوكيل يعرض عمله قبل النقر فوق "تأكيد".

التوفر والوصول

تقول Google إن Gemini 2.5 Computer Use متاح عبر واجهة برمجة التطبيقات {API}، مع التركيز على المطورين والأنظمة الأساسية التي تريد تضمين قوة "القيام بالأشياء في متصفح" هذه في تطبيقاتهم. يعتمد الوصول الذي يواجهه المستهلك على من يقوم بدمجه - فكر في أدوات الإنتاجية أو الخدمات المشابهة لـ RPA أو الأشرطة الجانبية للذكاء الاصطناعي التي يمكنها تشغيل جلسة متصفح بأمان نيابة عنك.

الوتيرة الواقعية: ما مدى سرعته؟

إذا كنت تتوق إلى الإشباع الفوري، فاعلم أن هذا يتصرف مثل متدرب حريص. كل خطوة مرئية وقابلة للتحقق، وهذا جزء من الهدف. يتعلق الأمر بدرجة أقل بتقليل المللي ثانية وأكثر بسد فجوة "لا واجهة برمجة تطبيقات {API}، لا مشكلة". في مهام سير العمل الأطول، يصبح الثبات قوة عظمى. أخطاء أقل. إعادة عمل أقل. وعلى عكسي، فإنه لا ينتقل أبدًا للتحقق من الطقس.

نصائح للحصول على أفضل النتائج

كن صريحًا: قدم تعليمات خطوة بخطوة، ومعايير النجاح، وما يجب القيام به إذا حدث شيء غير متوقع (على سبيل المثال، "إذا تجاوزت الرسوم 100 دولار، فتوقف وقدم ملخصًا").

استخدم مواقع مستقرة: إذا تغير تخطيط الموقع يوميًا، فستقضي وقتًا في إعادة المطالبة. ابدأ بواجهات مستخدم متسقة.

حافظ على نطاق بيانات الاعتماد: قلل المخاطر باستخدام حسابات بأقل الامتيازات وإلغاء رموز التعريف بعد المهام.

اطلب معاينات: اجعله يلخص الخطوات أو يلتقط لقطات شاشة قبل الالتزام بإجراءات لا رجعة فيها.

كرر: تعامل مع المطالبات على أنها وصفة. عدّل المكونات واخبز مرة أخرى.

من يجب أن يجربه

موظفو العمليات الغارقون في البوابات: إذا كانت وظيفتك هي "القيام بنفس النقرات الـ 28 عبر 12 موقعًا للبائعين"، فهذا هو العلاج.

الفرق الصغيرة التي ليس لديها موارد هندسية: لا توجد واجهة برمجة تطبيقات {API}؟ لا مشكلة. دع الوكيل يقود المتصفح.

المستخدمون المتميزون ومعدّلو RPA: إذا كنت قد استخدمت أتمتة العمليات الروبوتية، فهذا يشبه RPA الذي "يقرأ" الصفحة باللغة الطبيعية.

إلى أين يمكن أن يذهب بعد ذلك

مرونة أفضل: طرق أكثر ذكاءً للتكيف عند تغيير الصفحة.

استعادة الأخطاء بشكل أكثر ذكاءً: "إذا ظهر هذا النموذج المشروط، فجرب المسار B؛ إذا فشل تسجيل الدخول، فاطلب من المستخدم المصادقة متعددة العوامل {MFA} ."

واجهة برمجة تطبيقات {API} هجينة + تدفقات واجهة المستخدم: استخدم واجهات برمجة التطبيقات {APIs} عندما تكون متاحة، وارجع إلى واجهة المستخدم عندما لا تكون كذلك. أفضل ما في العالمين.

حول زاوية "Sider.AI"

إذا كنت تعيش في متصفحك، فإن الشريط الجانبي للذكاء الاصطناعي الذي يمكنه التحدث إلى نماذج متعددة والعمل أحيانًا في الصفحة يبدأ في أن يبدو وكأنه أفضل علامة تبويب للجيش السويسري في العالم. Sider.AI يقع في هذا الحي تمامًا: إنه شريط جانبي شائع للذكاء الاصطناعي يدمج النماذج الرائدة ويساعدك على العمل مباشرة على الصفحة التي تقرأها بالفعل. وهناك شرح ودي بلغة بسيطة لما يبدو عليه Gemini 2.5 Computer Use في الممارسة العملية - مع تذكير بأنه يتصرف أشبه براكب دراجة ملتزم بالقانون منه كسائق سباق سريع. إذا كنت مهتمًا بكيفية ملاءمة ذلك لتصفحك اليومي، فهذا باب سهل.

الإيجابيات والسلبيات في لمحة

الإيجابيات

يمكنه تنفيذ إجراءات المتصفح الحقيقية من البداية إلى النهاية

قوي في الأعمال الروتينية المتكررة ومتعددة الخطوات على المواقع العنيدة

سلوك شفاف وقابل للتدقيق خطوة بخطوة

عناصر تحكم السلامة لسياقات المؤسسات

السلبيات

أبطأ من الإنسان السريع في فترات قصيرة

لا تزال CAPTCHA/MFA تتطلبك

حساس لتغييرات واجهة المستخدم والمطالبات الغامضة

يتطلب تحديد نطاق الأذونات بعناية

الحكم

Gemini 2.5 Computer Use ليس روبوتًا مبهرجًا "شاهده وهو يقوم بعملي". إنه مساعد حريص وموثوق به للأعمال الروتينية المملة في المتصفح التي تكرهها. عندما تكون المهمة طويلة ومتكررة ومحددة جيدًا، فإنه يتألق. عندما تكون المهمة غامضة أو مليئة بالنوافذ المنبثقة المفاجئة أو محظورة بواسطة CAPTCHA، فستظل بحاجة إلى الركوب بجانبه.

إذا كان يوم عملك يتكون من 20٪ تفكير و 80٪ نقرًا عبر مواقع ويب غير متقنة، فهذه هي فرصتك. حوّل العمل الشاق إلى قائمة تحقق يمكن للروبوت اتباعها. دعه يكون راكب الدراجة الذي يطيع كل إشارة توقف بينما تقرر إلى أين تريد الذهاب بالفعل.

وشيء أخير...

قدم لنفسك المستقبلية هدية: اكتب مطالبات كما لو كنت تكتب بطاقة وصفة لمراهق يتعلم الطبخ. "سخن الفرن إلى 350 درجة. إذا كان الفرن يدخن، فأطفئه." كلما كنت أكثر وضوحًا مع Gemini 2.5 Computer Use، كان أفضل في طهي أعمالك الروتينية على الويب إلى حد الكمال - دون الحاجة إلى مطفأة حريق.

المراجع والمزيد من القراءة

إعلان Google عن نموذج Gemini 2.5 Computer Use.

نظرة عامة على The Verge حول كيفية تشغيل نافذة متصفح حقيقية.

تغطية مبكرة لتحسين الويب أولاً وقوة مهام Android.

ملاحظات القياس المعياري لجهات خارجية حول أداء وكيل المتصفح.

تكوين أمان Vertex AI وتكوين عامل تصفية المحتوى للمؤسسات.

Sider.AI الصفحة الرئيسية وشرح عملي لملء النماذج.

الأسئلة الشائعة

س1: هل Google Gemini 2.5 Computer Use أسرع بالفعل من الإنسان؟ ليس عادة في المهام القصيرة. القيمة هي الموثوقية والقدرة على التحمل - في التدفقات الطويلة والمتكررة، يمكن لوتيرة الوكيل الثابتة ومعدل الخطأ المنخفض أن تتغلب على الإنسان المتسرع، خاصة عند احتساب عدم الإرهاق والتذكر المثالي.

س2: ما هي أنواع المهام الأفضل لـ Gemini 2.5 Computer Use؟ أي شيء متكرر في متصفح الويب: ملء النماذج متعددة الحقول، وتصفية لوحة المعلومات، وتنزيل التقارير، أو تحميل الملفات. إنه مثالي عندما لا توجد واجهة برمجة تطبيقات {API} ويكون تخطيط الموقع مستقرًا إلى حد ما.

س3: كيف تقارن Gemini 2.5 Computer Use بوكلاء الذكاء الاصطناعي الآخرين؟ تشير التغطية إلى أنه مُحسَّن لمهام المتصفح ويؤدي أداءً تنافسيًا في تقييمات الطرف الثالث. كما هو الحال دائمًا، اختبر مهام سير العمل الفعلية الخاصة بك - المعايير مفيدة، لكن مواقعك وحالاتك المتطرفة هي الحكم الحقيقي.

س4: هل سيتعامل مع CAPTCHA أو المصادقة متعددة العوامل نيابة عني؟ لا. توقع التدخل في تحديات CAPTCHA و MFA. يتمثل الإعداد العملي في إيقاف الوكيل مؤقتًا عند هذه الخطوات، وإكمال التحقق، ثم السماح له بالمتابعة.

س5: هل Gemini 2.5 Computer Use آمن للحسابات الحساسة؟ يمكن أن يكون آمنًا، مع وجود حواجز واقية. استخدم بيانات اعتماد بأقل الامتيازات، وحدد نطاق الوصول بإحكام، وقم بتمكين عوامل تصفية الأمان والمحتوى - خاصة في بيئات المؤسسات. اطلب من الوكيل معاينة أو شرح الخطوات قبل الالتزام بالإجراءات الخطرة.