Gemini Computer Use API GA Rehberi: Fiyatlandırma ve Güvenlik

Google, Gemini Computer Use'u 30 Ekim 2026'da genel kullanıma açtı. Duyuru ise yalnızca iki satırlık bir değişiklik günlüğü kaydı seviyesindeydi: Interactions ve GenerateContent API'lerinde GA durumu, yeni model yok, fiyat değişikliği yok. Üretim ekipleri için asıl mesele daha net: ekran görüntüsü döngüsü aynı, ücretli katmana özel token ücretlendirmesi aynı; ancak artık üzerine güvenle ürün inşa edilebilir.

GA, önizleme sürümünün istikrarına dair soru işaretlerini ortadan kaldırıyor. Buna karşılık ekran görüntüsü maliyetini ve güvenlik akışını hâlâ sizin yönetmeniz gerekiyor.

30 Ekim'deki GA duyurusu gerçekte neyi değiştirdi?

30 Ekim 2026 tarihli GA kaydının söylediği tek şey şu: Computer Use aracı, Interactions API ve GenerateContent API genelinde genel kullanıma açıldı. Değişiklik günlüğünde yeni model kimlikleri, yeni bir eylem şeması, hız limitleri veya fiyat bilgisi yer almıyor.

Değişen şey mekanizma değil, ürünün statüsü. computer_use kullanan ve ekran görüntüsü döngüsüyle çalışan önizleme entegrasyonları çalışmaya devam ediyor. GA, önizleme sürümüne özgü sınırlamayı kaldırıyor; ancak güvenilirlik ve güvenlik hâlâ sizin uygulamanızın sorumluluğunda. Değişmeyen noktalar ise şöyle: ücretlendirme yalnızca ücretli katmanda ve normal token'lar üzerinden yapılıyor, her tıklamayı yine siz gerçekleştiriyorsunuz ve sonuç doğuran her işlem için onay akışını yine sizin kurmanız gerekiyor.

Gemini 2.5 Computer Use önizlemesi üzerine kurulum yaptıysanız (7 Ekim 2025'te genel önizleme olarak duyuruldu), geçiş baştan yazım gerektirmiyor; esas olarak yapılandırma değişikliği yeterli. İstekleri Interactions (https://generativelanguage.googleapis.com/v1/interactions REST örneğinde) veya GenerateContent üzerindeki GA aracına yönlendirin, Playwright ya da Browserbase yürütücünüzü koruyun ve güvenlik kararlarını yeniden test edin. Referans uygulamanın README örneğinde varsayılan değer hâlâ gemini-3.6-flash. Bu nedenle bu varsayıma güvenmek yerine GA tarafından desteklenen açık bir model kimliği sabitleyin.

Döngü nasıl çalışıyor?

Gemini Computer Use API bilgisayarınızı doğrudan kontrol etmez. Uygulamanız bir ekran görüntüsü ve istem gönderir; model, function_call olarak önerilen bir arayüz eylemi döndürür. Kodunuz bu eylemi çalıştırır, yeni ekran görüntüsünü alır ve modele geri gönderir. Görev tamamlanana, hata oluşana, güvenlik nedeniyle durulana veya kullanıcı işlemi sonlandırana kadar döngü bu şekilde devam eder.

Minimum Python kurulumu için google-genai paketinin 2.7.0 veya daha yeni bir sürümü (Computer Use dokümanlarına göre) ve tarayıcı yürütmesi için Playwright gerekir:

pip install google-genai playwright
playwright install chromium

Dokümantasyondaki örnek Chromium'u headless=False ile, 1440 x 900 görünüm alanı kullanarak başlatıyor ve başlangıç adresi olarak https://www.google.com değerini veriyor. İstekte "environment": "browser", gemini-3.8-flash modeli ve computer_use araç türü ayarlanıyor. Python, JavaScript, Java ve Go'daki tam ajan döngüsü örneklerinde 5 turluk sınır bulunuyor; bu değer API genelinde geçerli bir kota değil, yalnızca örnek kod tercihi.

Uygulamaların en sık hata yaptığı nokta koordinatlar. Model, x ve y değerlerini 1000 x 1000'lik normalize edilmiş bir alanda, genellikle 0 ile 999 arasındaki tam sayılar olarak döndürüyor. Bunları gerçek piksel konumlarına kendiniz çevirmeniz gerekiyor:

actual_x = int(x / 1000 * screen_width)
actual_y = int(y / 1000 * screen_height)

Ekran boyutlarını istekte göndermiyorsunuz. Gemini 4 ve Gemini 3.x yanıtlarında her eylem, modelin bu seçimi neden yaptığını açıklayan bir intent metni ve isteğe bağlı bir safety_decision alanı da taşıyor.

Desteklenen modeller ve ortamlar

Mevcut Computer Use dokümanlarına göre dört model Computer Use'u destekliyor. Google, kullanıcı arayüzü etkileşimi ve güvenilir araç çağrıları için Gemini 3.8 Flash'ı önerilen varsayılan model olarak konumlandırıyor. Gemini 4 Argon ise karmaşık ajan iş akışları için en yetenekli seçenek olarak öne çıkıyor.

GitHub'daki Apache-2.0 lisanslı referans (google-gemini/computer-use-preview) aynı görevi iki şekilde çalıştırıyor: yerel Playwright Chrome veya Browserbase bulut tarayıcısı. CLI komutu python main.py --query "Go to Google and type 'Hello World' into the search bar" --env="playwright". --initial_url için varsayılan değer https://www.google.com; görsel hata ayıklama için de --highlight_mouse kullanılabiliyor. Bir saat boyunca yanlış yere bakarak hata ayıklamamak için bilmeniz gereken sorun şu: Playwright, yerel HTML <select> açılır menülerini yakalamakta başarısız olabiliyor; çünkü işletim sistemi bunları sayfanın dışında çiziyor. README, CSS/JS enjeksiyonu yerine Browserbase'i daha iyi çözüm olarak gösteriyor.

Düşünme seviyeleri, eylem kalitesi ile hız arasında tercih yapmanızı sağlıyor. Daha düşük seviyeler standart form doldurma ve test döngüleri için yeterliyken, belirsiz arayüz durumlarında daha yüksek çaba seviyeleri işe yarıyor. Dokümanlar seviye adlarını veya gecikme değerlerini paylaşmıyor; bu yüzden bu ayarı kendi akışlarınızda A/B test ederek belirlemeniz gerekiyor.

Maliyeti ne kadar?

Computer Use için ücretsiz katman yok. Fiyatlandırma sayfası, araçlar için fiyatlandırma bölümünde bunu açıkça belirtiyor: Computer Use Free katmanında kullanılamıyor; Paid katmanında ise Gemini 3.8 Flash fiyatlandırmasında olduğu gibi normal token'lar üzerinden ücretlendiriliyor. Computer Use için ayrıca bir ek ücret yok; kullanım, temel modelin normal giriş ve çıkış token ücretleri üzerinden hesaplanıyor.

Görev maliyetinin neden kolayca tahminleri aşabildiğini bu tek satır açıklıyor. Her turda ekran görüntüsü girdisi, taşınan geçmiş ve eylem çıktısı ücretlendiriliyor. Dolayısıyla 20 adımlı bir form doldurma işlemi, yeniden denemeler de dahil olmak üzere 20 görüntü çağrısı anlamına geliyor. Tahmin için tur sayısı x (ekran görüntüsü + geçmiş giriş token'ları + eylem çıkışı token'ları) x temel model oranı formülünü kullanabilirsiniz. Fiyatlandırma sayfası, 31 Aralık 2026'ya kadar Flash Standard için 1 milyon token başına $0.75 giriş ve $3.75 çıkış ücreti listeliyor. Batch ve Flex daha düşük token ücretleri sunuyor; ancak Computer Use yine yalnızca Paid katmanında kullanılabiliyor.

Her turda bir ekran görüntüsü geri gönderiliyor ve bu token olarak ücretlendiriliyor. Rastgele tıklamalar yalnızca sayfayı bozmaz, faturayı da büyütür. — @vastplan, AI dağıtım hesabı, gönderi

Bütçeyi döngü üzerinden yönetin: tur sayısını, ekran görüntüsü çözünürlüğünü ve yeniden denemeleri kod tarafında sınırlayın.

Güvenliği kendiniz kurmanız gerekiyor

Computer Use'taki güvenlik, modelin içine gömülü bir özellikten çok modelin çevresindeki bir servis katmanı. Gemini 4 ve Gemini 3.x, önerilen her eylemi yedi yerleşik politika kategorisine göre değerlendiriyor; çalıştırılabilir bir eylem yerine require_confirmation veya engellendi yanıtı döndürebiliyor. İstemcinizin bu yanıtı her seferinde ele alması gerekiyor.

Model, decision: require_confirmation içeren bir safety_decision ve örneğin kutunun işaretlenmesi gerektiğini belirten bir explanation döndürdüğünde, dokümanlardaki akış açık: kullanıcıya sorun, devam etmesine veya işlemi sonlandırmasına izin verin; onay verilirse sonraki function_result içine CONTINUE ya da TERMINATE sonucuyla birlikte safety_acknowledgement ekleyin. disabled_safety_policies ile politikaları devre dışı bırakmak (örnekte data_modification kapatılıyor) yalnızca tercih bildirir; yine de onay istenebilir.

İstem enjeksiyonu tespiti isteğe bağlı ve varsayılan olarak kapalı. enable_prompt_injection_detection: true ile etkinleştirilebilir ve Gemini 3.5 Flash-Lite veya daha yeni modellerde kullanılabilir. Sistem, ekran görüntülerini tarayarak önceki komutları yok say gibi gizli talimatları buluyor ve bunları gördüğünde çalıştırmayı engelliyor. Google ayrıca VM, Docker container veya izinleri kısıtlanmış özel bir tarayıcı profili içinde sandbox kullanmanızı; gezinme için izin listeleri ya da engel listeleri oluşturmanızı; girdileri temizlemenizi; içerik korumaları eklemenizi; arayüzü temiz bir başlangıçla kararlı bir durumda tutmanızı ve denetim amacıyla istemleri, ekran görüntülerini, önerilen function_call eylemlerini, güvenlik yanıtlarını ve çalıştırılan eylemleri günlüğe kaydetmenizi öneriyor.

Örnek güvenlik talimatları, hangi işlemlerin hiçbir koşulda otonom çalıştırılmaması gerektiğini sıralıyor: kullanım koşullarını veya çerez banner'larını kabul etmek, CAPTCHA çözmek, satın alma ya da para transferini tamamlamak, e-posta veya gönderi paylaşmak, sağlık ya da finans kayıtlarına veya SSN ve kart numaralarına dokunmak, dosya indirmek, veri paylaşmak, geçmişi veya parolaları okumak, giriş yapmak, kimliğe bürünmek ya da takılı kaldığında sonsuz döngüye girmek. Üretim için doğru yaklaşım, ajanın hazırlık işlerini yapmasına izin verip son Gönder, Submit, Satın almayı onayla veya Paylaş adımından önce durmasını sağlamaktır.

Şimdi yayına almalı mısınız? Kontrol listesi ve karşılaştırma

GA durumu, Computer Use'u tarayıcı otomasyonu, form doldurma, otomatik arayüz testi ve ürün sayfalarında araştırma gibi işler için makul bir üretim seçeneğine dönüştürüyor. Ancak bu hâlâ arayüzü yanlış okuyabilen, uzun çalışmalarda bağlamı kaybedebilen ve yeniden denemeler sırasında token tüketebilen ekran görüntüsü tabanlı bir ajan.

Gerçek kullanıcılar için etkinleştirmeden önce:

• Açık bir GA model kimliği sabitleyin
• Tur sayısını sınırlayın ve boşta kalan döngü tespiti ekleyin
• İzin listesi bulunan sandbox'lı bir tarayıcı profili veya container içinde çalıştırın
• Geri döndürülemez her işlemden önce insan onayı isteyin
• İstem enjeksiyonu tespitini etkinleştirin
• Ekran görüntülerini ve güvenlik kararlarını günlüğe kaydedin
• Her görevi bilinen ve temiz bir durumdan başlatın
• Ödeme ve giriş akışlarını onaylar açıkken test edin

Google'ın model kartı kıyaslamalarda mevcut GA modellerini değil, 2.5 Computer Use soyunu raporluyor. Bu sonuçları tarayıcı görevleri için güncel performans değil, model soyuna dair bağlam olarak değerlendirin:

Bu model kartında masaüstü kontrolü için OSWorld henüz desteklenmiyordu; Claude için ise öz bildirime dayalı sonuç 61.4% olarak veriliyordu. Güncel dokümanlar artık masaüstünü desteklenen ortamlar arasında listeliyor. Yine de işletim sistemi düzeyindeki kontrolü tarayıcı akışlarına göre daha yeni ve daha az kanıtlanmış kabul edin.

Yerel Playwright görüntüleme sorun çıkarıyorsa, önce denemek için Stagehand içeren Browserbase şablonu (npx create-browser-app --template gemini-cua) barındırılan seçeneklerden biri. Hangi yolu seçerseniz seçin, fatura ve güven sınırı sizin sorumluluğunuzda kalıyor.

Sık sorulan sorular

GA ile Gemini Computer Use API uç noktaları değişti mi?

GA kaydında yeni bir uç nokta duyurulmadı. Google aynı aracı Interactions API ve GenerateContent API genelinde listeliyor. Aynı yürütücüyü açık bir model kimliğiyle GA aracına yönlendirmeniz yeterli.

Gemini Computer Use ücretsiz mi, ücretli mi?

Yalnızca ücretli katmanda kullanılabiliyor. Resmi fiyatlandırma sayfasına göre Computer Use Free katmanında yok ve temel modelin ücretleri üzerinden normal token'lar olarak faturalandırılıyor. Her ekran görüntüsü ve eylem döngüsü ücretlendirilebilir token tüketiyor.

Computer Use için hangi Gemini modelini kullanmalıyım?

Google, arayüz doğruluğu ve güvenilir araç çağrıları için gemini-3.8-flash modelini öneriyor. Düşük gecikmeli, yüksek hacimli görevlerde gemini-3.5-flash-lite; karmaşık ajan iş akışlarında ise gemini-4-argon tercih edilebilir. Üretimde önizleme kimliklerinden kaçının.

Tam masaüstünü mü kontrol ediyor, yoksa yalnızca tarayıcıda mı çalışıyor?

GA dokümanları tarayıcı, mobil Android ve masaüstü işletim sistemi düzeyinde imleç desteğini listeliyor. Tarayıcı akışları en olgun ve en fazla kıyaslama verisine sahip seçenek. Masaüstü kontrolünü daha yeni kabul edin ve daha sıkı bir sandbox içinde çalıştırın.

Tıklamaları kendim mi çalıştırmalıyım?

Evet. Model yalnızca 0-999 aralığında normalize edilmiş koordinatlar ve bir niyet bilgisi içeren function_call öneriyor. Fareyi hareket ettirmek, yazmak, ekran görüntüsü almak ve sonucu geri göndermek Playwright, Browserbase veya yerel yürütücünüzün görevi.

Güvenlik onayları kod içinde nasıl çalışıyor?

Her yanıtı safety_decision açısından kontrol edin. require_confirmation geldiğinde kullanıcıya sorun; ardından sonraki function_result içinde CONTINUE veya TERMINATE değerini taşıyan safety_acknowledgement gönderin. Bir politikayı devre dışı bırakmış olsanız bile bu akışı sürdürün.

İlgili içerikler: Gemini 3.8 Flash fiyatlandırması ve ajan görevi maliyetleri, Gemini 4 Argon API fiyatlandırması ve erişilebilirliği, Bilgisayar kullanan ajanlar için CUA-Lite incelemesi.