Google ha pasado Computer Use a disponibilidad general en la API de Gemini. El cambio, fechado el 30 de octubre, permite a los desarrolladores integrar una herramienta que interpreta capturas de pantalla y propone acciones como hacer clic, desplazarse o escribir dentro de una interfaz.
La novedad puede resultar útil para crear asistentes que completen formularios, prueben aplicaciones o recorran páginas en busca de información. No consiste en un botón nuevo para que cualquier usuario de la aplicación Gemini ceda automáticamente el control de su ordenador: hace falta una aplicación que conecte el modelo con el entorno donde trabajará.
Qué cambia con la disponibilidad general
El registro oficial de novedades sitúa la llegada de Computer Use a disponibilidad general en dos interfaces para desarrolladores: Interactions y GenerateContent. Es el cambio concreto de esta semana.
La capacidad tiene una historia anterior. Google presentó una vista previa de Computer Use en octubre de 2025, vinculada entonces a Gemini 2.5. El anuncio actual no debe confundirse con el estreno de aquella primera demostración ni con el lanzamiento de un modelo llamado Computer Use completamente nuevo.
La guía vigente sitúa la herramienta dentro de modelos actuales. Incluye Gemini 4 Argon, Gemini 3.8 Flash y Gemini 3.5 Flash-Lite, entre otras opciones compatibles, y recomienda 3.8 Flash para este tipo de interacción.
El modelo decide una acción; la aplicación la ejecuta
Según la documentación de Computer Use, la aplicación envía una captura del estado de la pantalla junto con la petición. Gemini analiza lo que ve y devuelve una acción propuesta. El programa que lo integra debe ejecutarla y enviar una nueva captura para continuar.
Ese reparto explica qué permite la herramienta. En lugar de depender únicamente de una conexión específica con cada servicio, el agente puede trabajar con botones, campos y menús. También explica por qué integrar el modelo no equivale a tener una automatización terminada: alguien debe configurar el entorno y gestionar qué puede tocar.
Google contempla navegador, móvil y escritorio como entornos de trabajo. La empresa publica una implementación de referencia con opciones de navegador local mediante Playwright y navegador remoto a través de Browserbase. Son puntos de partida para construir una aplicación, no instalaciones automáticas en todos los dispositivos.
Cuánto cuesta utilizar Computer Use
La tabla de precios oficial indica que Computer Use no está disponible en el nivel gratuito. En el nivel de pago se factura como tokens normales del modelo elegido; no aparece una tarifa única por formulario o por tarea terminada.
Como referencia, el precio estándar anunciado de Gemini 3.8 Flash es de 0,75 dólares por millón de tokens de entrada y 3,75 dólares por millón de tokens de salida hasta el 31 de diciembre de 2026. Desde el 1 de enero de 2027, la tabla anuncia 1,50 y 7,50 dólares, respectivamente. La salida incluye los tokens de razonamiento.
Eso no permite asignar un coste fijo a cada gestión. Un proceso que necesita más capturas, respuestas y pasos consume más uso. A ese cálculo se añadirían los costes del entorno donde se ejecute, si el desarrollador utiliza infraestructura de pago.
Qué acceso necesita un desarrollador
La vía de acceso es la Gemini API con un modelo compatible, una clave y las condiciones correspondientes del proyecto. España aparece en la lista general de regiones compatibles con Google AI Studio y la API. Estar en una región admitida no elimina límites de uso o requisitos de la cuenta.
La distinción también importa para quien paga una suscripción de consumo: el anuncio de disponibilidad general de esta herramienta no equivale a incluir sus llamadas de API dentro de cualquier plan de Gemini.
Qué conviene controlar cuando una IA puede pulsar botones
Una acción correcta en pantalla puede tener consecuencias fuera de ella. Preparar una compra es distinto de confirmarla; redactar un mensaje, de enviarlo. La integración debe conservar esas diferencias y mostrar qué ha sucedido realmente.
La guía de Google contempla decisiones de seguridad y solicitudes de confirmación. Para un producto útil, ese control forma parte de la experiencia: el usuario debería entender qué hará el agente, qué necesita revisar y cómo detenerlo si interpreta mal una pantalla.
Con la disponibilidad general, los desarrolladores pueden incorporar esta herramienta a sus productos. El resultado dependerá de la aplicación, los permisos y las comprobaciones que la rodeen. El avance de esta semana está en su acceso como herramienta de desarrollo; la calidad de cada tarea seguirá midiéndose por lo que llegue a completar.
Precios de la Gemini Developer API.
Regiones compatibles con Google AI Studio y Gemini API.