谷歌 Gemini 推出智能体视频理解，视频分析成本最高降 66%

谷歌宣布在 Gemini 3.7 Flash、3.6 Flash 和 3.5 Flash-Lite 模型中推出智能体视频理解功能，该功能结合模型推理与原生视频工具，动态搜索视频中的关键片段。相比传统固定帧率处理，新功能可显著降低 Token 消耗和分析成本，同时提升准确率。

在标准基准测试中，搭载该功能的 Gemini 模型将分析成本降低最高 66%，Token 消耗量降低最高 88%，准确率提升最高 7%，在长视频场景中效果尤为明显。开发者无需手动筛选帧，Gemini 可自主决定观看内容、速度和模态，提取所需信号。

该功能已通过 Gemini API 在 Google AI Studio 和 Gemini Enterprise Agent Platform 上线，开发者设置处理模式为“agentic”即可使用。谷歌计划将该能力推广至 Gemini 应用，并支持 YouTube 视频分析，未来数月内为“Ask YouTube”功能提供支持。