Gemini API, il Computer Use è disponibile in via generale: come si attiva

Il 30 ottobre 2026 il changelog della Gemini API ha segnato il Computer Use come disponibile in via generale: lo strumento esce dall'anteprima ed è utilizzabile sia con la Interactions API sia con la GenerateContent API. Il Computer Use permette a un modello Gemini di guardare uno screenshot e rispondere con le azioni da compiere su un'interfaccia, come cliccare, scrivere o scorrere. Interessa chi costruisce agenti che devono usare programmi senza API, per esempio un gestionale vecchio o un sito che richiede il login.

Cosa cambia con la disponibilità generale

Fino al 30 ottobre il Computer Use aveva una storia a tappe, tutte con l'etichetta di anteprima. Il changelog della Gemini API ricorda l'anteprima di Gemini 2.5 Computer Use del 7 ottobre 2025, il supporto per gemini-3-pro-preview e gemini-3-flash-preview del 29 gennaio 2026 e l'anteprima pubblica su Gemini 3.5 Flash del 24 giugno 2026. Quest'ultima aveva introdotto azioni semplificate con un campo di intenzione, ambienti integrati per browser, mobile e desktop, policy di sicurezza configurabili e il rilevamento delle prompt injection.

La voce del 30 ottobre è molto breve: dice che lo strumento è GA e rimanda alla guida. Non elenca nuove funzioni, non cita limiti di frequenza e non dà una data per chiudere le anteprime precedenti. Il cambiamento pratico è quindi uno solo: uno strumento che Google presentava come anteprima ora ha lo stato di funzione stabile, con tutto quello che questo comporta per chi deve spiegare a un cliente su cosa sta costruendo.

Quali modelli lo supportano

La guida al Computer Use elenca quattro modelli: Gemini 4 Argon (gemini-4-argon), Gemini 3.8 Flash (gemini-3.8-flash), Gemini 3.5 Flash-Lite (gemini-3.5-flash-lite) e Gemini 3 Flash Preview (gemini-3-flash-preview). La guida indica Gemini 3.8 Flash come modello consigliato per il Computer Use. Il rilevamento delle prompt injection, secondo la stessa pagina, è disponibile da Gemini 3.5 Flash-Lite in poi.

Come si abilita il Computer Use della Gemini API

La guida documenta una sola strada, la Interactions API, con la chiamata interactions.create. Per Python l'SDK richiesto è la versione 2.7.0 o successiva. Si aggiunge una voce computer_use all'elenco tools e si sceglie l'ambiente, che può essere browser, mobile o desktop. I campi principali sono quattro:

Il ciclo dell'agente ha quattro passaggi. Mandi il prompt, la configurazione dello strumento e uno screenshot. Il modello risponde con passaggi function_call che contengono le coordinate e un campo intent. Il tuo codice controlla l'eventuale safety_decision, esegue l'azione, scatta un nuovo screenshot e lo restituisce in un function_result, passando previous_interaction_id per continuare la conversazione. Gli esempi della guida usano Playwright per eseguire le azioni nel browser. Le coordinate sono normalizzate da 0 a 999 e vanno riportate alla dimensione reale della finestra.

Sulla GenerateContent API non so dire come si configuri: il changelog la nomina, ma la guida che ho letto documenta soltanto interactions.create e non confronta le due API. Chi parte da GenerateContent deve controllare di persona la documentazione di quel percorso.

Le azioni disponibili

Le azioni cambiano con l'ambiente. In quello browser ci sono clic singoli, doppi, tripli, centrali e con il tasto destro, movimento del mouse, digitazione, trascinamento, scroll, tasti e scorciatoie, più navigate, go_back e go_forward. In quello desktop ci sono le stesse azioni di cursore e tastiera senza la navigazione. In quello mobile compaiono open_app, list_apps, long_press e gli altri gesti essenziali.

Costi, piani e limiti dichiarati

La pagina dei prezzi dice che il Computer Use è fatturato come normali token secondo il listino del modello e che non è disponibile nel livello gratuito. Non indica un costo separato per lo strumento e non spiega come sono contati i token degli screenshot, quindi il costo reale di un ciclo lungo si scopre solo misurandolo. Per Gemini 3.8 Flash, a pagamento nel livello standard, il listino riporta 0,75 dollari per milione di token in ingresso e 3,75 in uscita fino al 31 dicembre 2026, che diventano 1,50 e 7,50 dal 1 gennaio 2027. Un agente che lavora per mesi deve mettere in conto quel raddoppio.

Sul fronte dei limiti, la guida non dichiara quote né tempi massimi. Il numero 5 che compare negli esempi è un tetto di turni scelto dall'autore del codice di esempio, non un limite della piattaforma.

Sicurezza: la parte che decide se lo metti in produzione

La stessa guida è onesta su un punto: lo strumento può contenere errori e vulnerabilità di sicurezza. Raccomanda ambienti isolati, liste di siti consentiti o vietati, pulizia degli input, registri e uno stato iniziale coerente a ogni esecuzione. Ogni azione può arrivare con un safety_decision che vale consentita, require_confirmation o bloccata, e le categorie vanno dai pagamenti alla modifica di dati sensibili, dalla creazione di account ai termini legali. Quando l'esito è require_confirmation, chiedi all'utente e, se approva, restituisci safety_acknowledgement. La guida precisa che disattivare una categoria esprime solo una preferenza: il modello può comunque chiedere conferma, quindi il codice deve gestire sempre il campo.

Il mio parere: il rilevamento delle prompt injection spento per impostazione predefinita è la riga da cambiare per prima. Un agente che legge pagine web arbitrarie legge anche istruzioni scritte da altri. Per ragionare su quanto potere dargli, trovi un metodo in quali permessi dare all'AI in azienda e un'analisi più ampia in chi controlla gli agenti AI in azienda. Se invece il tuo problema è lasciare lavorare un agente di coding senza supervisione, il caso è diverso e lo trovi in far girare Claude Code in automatico.

Non ho provato il Computer Use di Gemini, quindi qui sopra c'è soltanto quello che Google dichiara nella documentazione e nel changelog. Per un primo esperimento ragionevole: ambiente browser, un sito di prova che controlli tu, enable_prompt_injection_detection acceso e un tetto di turni scritto nel codice.