Gemini 3.7 FlashはスクリーンショットとPythonでAndroidを制御

Googleは、コーディングやエージェントワークフロー向けに設計されたハイブリッド推論モデルであるGemini 3.7 Flashをリリースし、視覚入力を通じてAndroidデバイスを制御する能力を実証した。本記事では、モデルが生のスクリーンショットを検査してアクションを計画し、正確な座標を出力することで、アクセシビリティツリーに依存せずにインタラクティブなデバイス制御ループを実現する方法について詳述している。