haldata https://blog.hatena.ne.jp/haldata/ HAL_DATA_techBlog https://techblog.haldata.net/ Googleが新たに発表した Gemini 3。 そのベンチマーク結果の中でも、特に注目を集めているのが「スクリーン理解」分野の性能です。 いくつかの技術メディアでは、Gemini 3がOCRや画面構成の理解、UI操作といったタスクで他のモデルを圧倒したと報じています。 正式名称は不明ながら、いわば「ScreenShot Pro」的な指標として、AIが画面全体をどれだけ正確に認識し、意味づけられるかが評価されたようです。 これまで画像認識は強化されてきた分野ですが、UI要素を理解するという領域では、Gemini 3が大きな飛躍を遂げた可能性があります。 AIブラウザの「もどかしさ」 現在、多く… 190 <iframe src="https://hatenablog-parts.com/embed?url=https%3A%2F%2Ftechblog.haldata.net%2Fentry%2F2025%2F11%2F22%2F212706" title="Gemini 3が切り拓く「操作できるAI」時代 —— スクリーン理解力がもたらす次の進化 - HAL_DATA_techBlog" class="embed-card embed-blogcard" scrolling="no" frameborder="0" style="display: block; width: 100%; height: 190px; max-width: 500px; margin: 10px 0px;"></iframe> https://cdn-ak.f.st-hatena.com/images/fotolife/h/haldata/20251122/20251122212651.png Hatena Blog https://hatena.blog 2025-11-22 21:27:06 rich https://techblog.haldata.net/entry/2025/11/22/212706 1.0 100%