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.

Đánh Giá 'Sử Dụng Máy Tính' của Google Gemini 2.5: Một Trình Duyệt Tự Nhấn Quay Lại

Bạn đã bao giờ ước mình có thể nhân bản bản thân để thực hiện những thao tác nhấp chuột nhàm chán trong khi bạn xử lý những phần thú vị chưa? Tôi đã thử một thứ gần như vậy. Nó được gọi là Gemini 2.5 “Computer Use” của Google, và nó là một AI không chỉ viết chữ—mà còn thực sự di chuyển chuột, cuộn, nhập vào các trường và hoạt động bên trong một cửa sổ trình duyệt thực sự như một trợ lý rất siêng năng, rất sát nghĩa. Hãy nghĩ đến “một thực tập sinh tuân theo hướng dẫn chính xác như được viết,” trừ những giờ giải lao để uống cà phê.

Trong bài đánh giá này, tôi sẽ cho bạn thấy Gemini 2.5 Computer Use làm tốt ở những điểm nào, những chỗ nào nó bị trục trặc, nó so sánh với các tác nhân AI khác như thế nào và liệu những người phàm (không chỉ các nhà phát triển) có nên thử nghiệm nó hay không. Trong quá trình này, tôi sẽ rắc thêm các mẹo thực tế, một vài cạm bẫy và một liều lượng vừa phải sự hoài nghi lành mạnh. Thắt dây an toàn vào.

Gemini 2.5 Computer Use Thực Sự Là Gì?

Hãy tưởng tượng bạn nói với một người trợ giúp, “Mở trình duyệt của tôi. Truy cập trang web của hãng hàng không đó. Nhấp vào Đăng Nhập. Dán mã xác nhận của tôi. Bây giờ lọc chỉ các ghế cạnh lối đi.” Đó là thủ thuật kỳ diệu: Gemini 2.5 Computer Use có thể vận hành trình duyệt giống như bạn—nhấp vào các nút, nhập vào các biểu mẫu, tuân theo các nhãn trên màn hình—đặc biệt khi không có API gọn gàng để tìm nạp dữ liệu hoặc kích hoạt hành động. Nó là một tác nhân hành động, không chỉ trò chuyện. Google định vị đây là một mô hình được tối ưu hóa cho các tác vụ web (và ngày càng nhiều, các quy trình theo kiểu di động), cho phép nó truy cập thông tin và thực hiện các công việc vặt ở những nơi mà nhiều ứng dụng “không thích API” và mọi thứ đều nằm sau JavaScript, cookie và CAPTCHA.

Tin lớn: Google cho biết phiên bản Computer Use này có sẵn thông qua API và được điều chỉnh đặc biệt cho trình duyệt và các tác vụ UI phức tạp. Các bên thứ ba thử nghiệm đã báo cáo hiệu suất mạnh mẽ trong các đánh giá dựa trên trình duyệt, trong một số trường hợp vượt trội so với các đối thủ về độ chính xác, tốc độ và thậm chí cả chi phí trong một số tiêu chuẩn (tất nhiên, kết quả của bạn có thể khác). Các tin tức độc lập cũng lưu ý rằng Google đã nhắm mục tiêu điều này vào độ tin cậy của luồng web trước tiên, với một số sức mạnh tác vụ Android mới nổi xuất hiện trong các tiêu chuẩn kiểu “AndroidWorld” nội bộ.

Tại Sao Điều Này Quan Trọng (Một Ngày Trong Cuộc Sống)

Hãy tưởng tượng internet như một tòa nhà văn phòng khổng lồ, khó tính. API giống như những đồng nghiệp thân thiện đưa cho bạn dữ liệu một cách gọn gàng. Các trang web? Đó là những tủ khóa, ngăn kéo скрипучие và phong bì kín mà bạn vẫn phải tự mình mở. Computer Use là thực tập sinh có thể đi xuống hành lang, mở tủ và sao chép biểu mẫu một cách chính xác—chậm rãi, cẩn thận, mỗi lần một cú nhấp chuột.

Nếu bạn là một người làm nghề tự do nộp bảng chấm công hàng tuần trên một cổng thông tin mê cung nào đó; một nhà nghiên cứu điền cùng một biểu mẫu trên 20 trang web chính phủ; một phụ huynh nhấp qua cổng thông tin trực tuyến của trường để cập nhật thông tin liên lạc khẩn cấp—đây là loại công việc vặt mà bạn có thể thuê ngoài cho một bot cẩn thận, theo nghĩa đen.

Đây Là Cách Sử Dụng

Thiết lập: Trong giới nhà phát triển, bạn khởi động mô hình thông qua API, cung cấp hướng dẫn và xác định môi trường (một trình duyệt được kiểm soát). Sau khi nó chạy, bạn “nhắc” tác nhân bằng các tác vụ. Bạn sẽ thấy nó mở các trang, nhấp vào các nút và điền vào các trường. Về phía người dùng—nếu ứng dụng bạn chọn tích hợp nó—bạn sẽ nhận được một cái gì đó như: “Mô tả công việc vặt bạn muốn thực hiện,” sau đó xem con trỏ bắt đầu hoạt động.

Cảm giác: Hãy nghĩ đến một người đi xe đạp kiên nhẫn, không phải Công thức 1. Nó thực hiện các bước có chủ ý, có thể nhìn thấy được. Điều đó có thể trấn an (bạn thấy chính xác những gì nó đang làm) và cũng hơi chậm so với một người cắm đầu nhấp chuột như một con sóc bị nghiện caffeine. Nhưng đối với những công việc vặt kéo dài, lặp đi lặp lại, dễ xảy ra lỗi? Chậm mà chắc thắng.

Các biện pháp bảo vệ: Nó sẽ không nổi loạn. Các tác nhân này được cách ly và ràng buộc chặt chẽ bởi các bộ lọc nội dung và an toàn, đặc biệt là trong bối cảnh doanh nghiệp thông qua Vertex AI. Họ thận trọng với các hành động nhạy cảm và họ thích các hướng dẫn rõ ràng hơn là “cảm xúc.” Nếu bạn mơ hồ, nó sẽ yêu cầu làm rõ.

Những Gì Nó Giỏi

Điền biểu mẫu trên các trang web cứng đầu: Bất cứ điều gì thiếu API phù hợp nhưng có các nhãn nhất quán đều là lãnh thổ chính.

Các tác vụ web nhiều bước: Đăng nhập (trong các ngữ cảnh được phép), điều hướng các menu lồng nhau, lọc kết quả, xuất CSV và tải lên hoặc tải xuống tệp—nếu giao diện người dùng của trang web ổn định.

Công việc vặt lặp đi lặp lại: Quy trình làm việc hàng tuần, đổi tên hàng loạt thông qua giao diện người dùng web, liệt kê các mục, kéo dữ liệu từ các bảng điều khiển bạn được phép xem.

Các chuỗi dài, nhàm chán: Loại việc khiến bạn mất tập trung. Tác nhân không mất tập trung.

Nơi Nó Khó Khăn

CAPTCHA và các rào cản MFA: Bạn vẫn sẽ là người lớn trong phòng cho những khoảnh khắc “chứng minh bạn là con người”.

Thay đổi UI: Nếu văn bản nút hoặc bố cục của trang web thay đổi, tác nhân có thể cần một cú huých hoặc lời nhắc lại.

Những người đam mê tốc độ: Một người nhanh chóng đôi khi có thể vượt qua một biểu mẫu nhanh hơn. Chiến thắng ở đây là tính nhất quán và không hề phàn nàn.

Lời nhắc mơ hồ: “Tìm cho tôi những cái tốt” không phải là một kế hoạch. Nêu rõ tiêu chí.

So Với Đối Thủ Cạnh Tranh

So với các mô hình trò chuyện truyền thống (chỉ văn bản): Computer Use vạch ra một ranh giới bằng cách hành động trực tiếp trong trình duyệt. Nó không chỉ cho bạn biết cách thực hiện; nó thực hiện nó.

So với các mô hình tác nhân khác: Các báo cáo và thử nghiệm ban đầu cho thấy Gemini 2.5 Computer Use cạnh tranh mạnh mẽ trên các tác vụ trình duyệt thực và đang được định vị là tối ưu hóa cho các tương tác web. Tin tức từ báo chí công nghệ xác nhận quảng cáo chiêu hàng “sử dụng trình duyệt web giống như bạn” và nhấn mạnh sự tập trung vào điều hướng UI thực tế. Một số tổ chức đánh giá tiêu chuẩn bên thứ ba cho biết nó đang vượt lên về độ chính xác và tốc độ trong thiết lập của họ, mặc dù, như mọi khi, các tiêu chuẩn giống như tử vi—vui, đôi khi chính xác, không thay thế cho các bài kiểm tra của riêng bạn.

Web so với Android: Báo cáo công khai coi nó là chủ yếu được tối ưu hóa cho web, với khả năng tác vụ Android đầy hứa hẹn xuất hiện trong các thử nghiệm. Nếu bạn đang mơ về việc nó chạy toàn bộ điện thoại của bạn ở chế độ lái tự động, hãy giảm bớt kỳ vọng—hiện tại.

Một Câu Chuyện Nhanh: Việc Thay Đổi Chuyến Bay

Tôi đã cho nó một cơn đau đầu kinh điển: “Mở Hãng hàng không X. Đăng nhập. Kéo các chuyến đi sắp tới của tôi. Thay đổi chuyến bay khứ hồi sang Thứ Bảy. Chọn một chỗ ngồi cạnh lối đi. Áp dụng dặm bay. Xác nhận nếu phí dưới $100; nếu không, hãy dừng lại và báo cáo.” Xem nó giống như đào tạo một trợ lý mới. Nó điều hướng đến trang web, tìm “Chuyến đi của tôi”, tìm thấy số xác nhận chính xác và… tạm dừng ở biểu đồ chỗ ngồi. Các nhãn không hoàn toàn chuẩn. Nó yêu cầu làm rõ: “Ghế cạnh lối đi được đánh dấu bằng ‘A’, xác nhận?” Tôi đã xác nhận. Nó tiếp tục—và đưa tôi đến trang đánh giá. Phí là $149. Nó dừng lại, theo hướng dẫn, tóm tắt phí thay đổi và trao lại quyền kiểm soát cho tôi. Không hẳn là phép thuật. Rất hữu ích.

Quyền Riêng Tư và An Toàn

Các tài liệu chính thức và các tuyến đường doanh nghiệp của Google nhấn mạnh các bộ lọc nội dung và an toàn có thể định cấu hình—về cơ bản là các công tắc “không nhấp vào nút màu đỏ” mà các bộ phận CNTT yêu thích. Tác nhân chạy bên trong một môi trường được kiểm soát và bạn có thể giới hạn những gì nó có thể thấy hoặc làm. Tuy nhiên: Đừng giao cho bất kỳ tác nhân nào chìa khóa cho toàn bộ vương quốc kỹ thuật số của bạn. Một thỏa hiệp thiết thực là xác định phạm vi thông tin (một tác vụ, một tài khoản), sử dụng thông tin đăng nhập dùng một lần hoặc ít đặc quyền nhất cho các công việc có rủi ro cao và yêu cầu tác nhân hiển thị công việc của nó trước khi nhấp vào “Xác nhận”.

Tính Sẵn Có và Truy Cập

Google cho biết Gemini 2.5 Computer Use có sẵn thông qua API, tập trung vào các nhà phát triển và nền tảng muốn nhúng sức mạnh “làm mọi thứ trong trình duyệt” này vào ứng dụng của họ. Quyền truy cập hướng đến người tiêu dùng tùy thuộc vào người tích hợp nó—hãy nghĩ đến các công cụ năng suất, các dịch vụ giống như RPA hoặc các thanh bên AI có thể khởi động một cách an toàn phiên trình duyệt thay mặt bạn.

Tốc Độ Thực Tế: Nó Nhanh Đến Mức Nào?

Nếu bạn khao khát sự hài lòng tức thì, hãy biết điều này: nó cư xử như một học viên cẩn thận. Mỗi bước đều có thể nhìn thấy và xác minh được, đó là một phần của vấn đề. Nó ít liên quan đến việc cạo bớt mili giây mà liên quan nhiều hơn đến việc thu hẹp khoảng cách “không có API, không có vấn đề”. Trong các quy trình làm việc dài hơn, sự ổn định trở thành một siêu năng lực. Ít lỗi hơn. Ít làm lại hơn. Và không giống như tôi, nó không bao giờ chuyển sang tab khác để kiểm tra thời tiết.

Mẹo Để Có Kết Quả Tốt Nhất

Rõ ràng: Cung cấp hướng dẫn từng bước, tiêu chí thành công và những việc cần làm nếu có điều gì đó bất ngờ xảy ra (ví dụ: “Nếu phí vượt quá $100, hãy dừng lại và tóm tắt”).

Sử dụng các trang web ổn định: Nếu bố cục của một trang web thay đổi hàng ngày, bạn sẽ mất thời gian để nhắc lại. Bắt đầu với các UI nhất quán.

Giữ thông tin đăng nhập trong phạm vi: Giảm thiểu rủi ro với các tài khoản có ít đặc quyền nhất và thu hồi mã thông báo sau các tác vụ.

Yêu cầu xem trước: Yêu cầu nó tóm tắt các bước hoặc chụp ảnh màn hình trước khi thực hiện các hành động không thể đảo ngược.

Lặp lại: Xử lý lời nhắc như một công thức. Điều chỉnh các thành phần, nướng lại.

Ai Nên Thử Nó

Những người làm công việc vận hành đang chết đuối trong các cổng thông tin: Nếu công việc của bạn là “thực hiện 28 cú nhấp chuột giống nhau trên 12 trang web của nhà cung cấp,” thì đây là liệu pháp.

Các nhóm nhỏ không có tài nguyên kỹ thuật: Không có API? Không vấn đề gì. Hãy để tác nhân điều khiển trình duyệt.

Người dùng thành thạo và những người mày mò RPA: Nếu bạn đã sử dụng tự động hóa quy trình bằng robot, thì đây giống như RPA “đọc” trang bằng ngôn ngữ tự nhiên.

Nơi Nó Có Thể Đi Tiếp Theo

Khả năng phục hồi tốt hơn: Nhiều cách thông minh hơn để thích ứng khi trang thay đổi.

Khôi phục lỗi thông minh hơn: “Nếu phương thức này xuất hiện, hãy thử đường dẫn B; nếu đăng nhập không thành công, hãy nhắc người dùng MFA.”

Luồng API + UI hỗn hợp: Sử dụng API khi có sẵn, quay lại UI khi không có. Tốt nhất của cả hai thế giới.

Về Góc Độ “Sider.AI” Đó

Nếu bạn sống trong trình duyệt của mình, một thanh bên AI có thể nói chuyện với nhiều mô hình và đôi khi hoạt động trong trang bắt đầu giống như tab Swiss Army tốt nhất thế giới. Sider.AI nằm chính xác trong khu vực lân cận đó: nó là một thanh bên AI phổ biến tích hợp các mô hình hàng đầu và giúp bạn làm việc trực tiếp trên trang bạn đang đọc. Và có một hướng dẫn thân thiện, bằng tiếng Anh đơn giản về cảm giác của Gemini 2.5 Computer Use trong thực tế—hoàn chỉnh với lời nhắc rằng nó hoạt động giống một người đi xe đạp tuân thủ luật pháp hơn là một tay đua tốc độ. Nếu bạn tò mò về cách điều này có thể phù hợp với thói quen duyệt web hàng ngày của bạn, thì đó là một cánh cửa tiện dụng.

Ưu và Nhược Điểm Trong Nháy Mắt

Ưu Điểm

Có thể thực hiện các hành động trình duyệt thực tế từ đầu đến cuối

Mạnh mẽ trong các công việc vặt lặp đi lặp lại, nhiều bước trên các trang web cứng đầu

Hành vi từng bước minh bạch, có thể kiểm tra được

Kiểm soát an toàn cho bối cảnh doanh nghiệp

Nhược Điểm

Chậm hơn một người nhanh chóng trong thời gian ngắn

CAPTCHA/MFA vẫn yêu cầu bạn

Nhạy cảm với những thay đổi UI và lời nhắc mơ hồ

Yêu cầu phạm vi quyền cẩn thận

Lời Kết

Gemini 2.5 Computer Use không phải là một robot “xem nó làm công việc của tôi” hào nhoáng. Nó là một trợ lý cẩn thận, đáng tin cậy cho những công việc vặt nhàm chán mà bạn ghét. Khi nhiệm vụ dài, lặp đi lặp lại và được xác định rõ, nó sẽ tỏa sáng. Khi nhiệm vụ mơ hồ, đầy cửa sổ bật lên bất ngờ hoặc bị chặn bởi CAPTCHA, bạn vẫn cần phải đi cùng.

Nếu ngày làm việc của bạn là 20% suy nghĩ và 80% nhấp qua các trang web vụng về, thì đây là khoảnh khắc của bạn. Biến sự vất vả thành một danh sách kiểm tra mà bot có thể tuân theo. Hãy để nó là người đi xe đạp tuân thủ mọi biển báo dừng trong khi bạn quyết định nơi bạn thực sự muốn đến.

Và Một Điều Cuối Cùng…

Hãy tặng cho bản thân trong tương lai một món quà: viết lời nhắc như bạn viết một tấm thẻ công thức cho một thiếu niên học nấu ăn. “Làm nóng trước đến 350. Nếu lò nướng bốc khói, hãy tắt nó đi.” Bạn càng rõ ràng với Gemini 2.5 Computer Use, nó càng giỏi nấu các công việc web của bạn một cách hoàn hảo—không cần bình chữa cháy.

Tài Liệu Tham Khảo và Đọc Thêm

Thông báo của Google về mô hình Gemini 2.5 Computer Use.

Tổng quan của The Verge về cách nó vận hành một cửa sổ trình duyệt thực.

Tin tức ban đầu về tối ưu hóa ưu tiên web và sức mạnh tác vụ Android.

Các ghi chú đánh giá tiêu chuẩn của bên thứ ba về hiệu suất tác nhân trình duyệt.

Cấu hình bộ lọc nội dung và an toàn Vertex AI cho doanh nghiệp.

Trang chủ Sider.AI và phần giải thích thực hành về điền biểu mẫu.

Câu Hỏi Thường Gặp

Câu hỏi 1: Google Gemini 2.5 Computer Use có thực sự nhanh hơn con người không? Thông thường không nhanh hơn trong các tác vụ ngắn. Giá trị nằm ở độ tin cậy và độ bền—trong các luồng dài, lặp đi lặp lại, tốc độ ổn định và tỷ lệ lỗi thấp của tác nhân có thể đánh bại một người vội vàng, đặc biệt khi bạn tính đến việc không mệt mỏi và khả năng ghi nhớ hoàn hảo.

Câu hỏi 2: Những loại tác vụ nào là tốt nhất cho Gemini 2.5 Computer Use? Bất cứ điều gì lặp đi lặp lại trong trình duyệt web: điền biểu mẫu nhiều trường, lọc bảng điều khiển, tải xuống báo cáo hoặc tải lên tệp. Nó lý tưởng khi không có API và bố cục của trang web khá ổn định.

Câu hỏi 3: Gemini 2.5 Computer Use so sánh với các tác nhân AI khác như thế nào? Tin tức cho thấy nó được tối ưu hóa cho các tác vụ trình duyệt và hoạt động cạnh tranh trong các đánh giá của bên thứ ba. Như mọi khi, hãy kiểm tra trên các quy trình làm việc thực tế của bạn—các tiêu chuẩn rất hữu ích, nhưng các trang web và các trường hợp đặc biệt của bạn mới là người phán xét thực sự.

Câu hỏi 4: Nó có xử lý CAPTCHA hoặc xác thực đa yếu tố cho tôi không? Không. Mong đợi phải can thiệp vào các thử thách CAPTCHA và MFA. Một thiết lập thực tế là tạm dừng tác nhân ở các bước đó, hoàn tất xác minh, sau đó để nó tiếp tục.

Câu hỏi 5: Gemini 2.5 Computer Use có an toàn cho các tài khoản nhạy cảm không? Có thể, với các biện pháp bảo vệ. Sử dụng thông tin đăng nhập có ít đặc quyền nhất, giới hạn chặt chẽ quyền truy cập và bật các bộ lọc nội dung và an toàn—đặc biệt là trong môi trường doanh nghiệp. Yêu cầu tác nhân xem trước hoặc giải thích các bước trước khi thực hiện các hành động rủi ro.