Google добавила в Gemini агентный анализ видео
Новый режим доступен для Gemini 3.7 Flash, 3.6 Flash и 3.5 Flash-Lite через Gemini API. По данным Google DeepMind, он позволяет точнее анализировать ролики, одновременно сокращая расход токенов и стоимость обработки.
Google DeepMind запустила агентный режим понимания видео для моделей Gemini 3.7 Flash, 3.6 Flash и 3.5 Flash-Lite. Функция доступна при работе с загруженными видео и роликами YouTube через Gemini API в Google AI Studio и Gemini Enterprise Agent Platform.
В отличие от статической обработки, при которой модель получает кадры с фиксированной частотой — по умолчанию один кадр в секунду, с возможностью изменить параметр через API, — новый режим сам ищет и изучает нужные фрагменты. Для этого Gemini сочетает рассуждения с встроенными средствами работы с видео, обращаясь к визуальным кадрам, аудиодорожке и расшифровке речи.
Google заявляет, что такой подход ускоряет поиск конкретных моментов вплоть до менее чем секунды, повышает точность обнаружения аномалий и помогает точнее считать объекты. В тестах на задачах видеоанализа компания указывает на рост точности до 7%, снижение стоимости анализа до 66% и сокращение потребления токенов до 88%.
Наибольший эффект, по оценке Google DeepMind, должен проявляться при обработке длинных видео — от десятиминутных инструкций до полуторачасовых лекций и многочасовых записей. При статическом анализе разработчикам приходится либо повышать затраты на токены, либо снижать детализацию и рисковать пропустить значимые эпизоды.