Gemini 3.7 Flash mengendalikan Android melalui tangkapan layar dan Python

Google telah meluncurkan Gemini 3.7 Flash, sebuah model penalaran hibrida yang dirancang untuk pemrograman dan alur kerja agens, yang menunjukkan kemampuannya mengendalikan perangkat Android melalui input visual. Artikel ini menguraikan bagaimana model tersebut memeriksa tangkapan layar mentah untuk merencanakan tindakan dan menghasilkan koordinat yang tepat, memungkinkan loop pengendalian perangkat interaktif tanpa bergantung pada pohon aksesibilitas.