Gemini впроваджує агентну обробку відео та зменшує витрати токенів на 88 відсотків
Google запустив агентний аналіз відео для Gemini 3.7 Flash, 3.6 Flash і 3.5 Flash-Lite. Модель динамічно сканує сегменти відео, скорочуючи витрати токенів до 88% і знижуючи витрати на API до 66%.
Вплив: Високий
Чому це важливо
Ви можете аналізувати тривалі відеоархіви та знаходити точні моменти за частки секунди, змінивши лише один параметр в API та зменшивши витрати на мультимодальні токени.
TL;DR
- 01Встановлення параметра agentic у конфігурації Gemini API зменшує витрати токенів на відео до 88%.
- 02Функція доступна для Gemini 3.7 Flash, 3.6 Flash і 3.5 Flash-Lite без додаткових комісій за використання.
- 03Дозволяє виявляти зміни стану за частки секунди та динамічно змінювати FPS для відеоагентів.
Ключові факти
- Економія токенів (за даними розробника)
- До 88%
- Зниження витрат (за даними розробника)
- До 66%
- Зростання точності (за даними розробника)
- До +7% на LongVideoBench
- Підтримувані моделі
- Gemini 3.7 Flash, 3.6 Flash, 3.5 Flash-Lite
Динамічний аналіз проти фіксованого семплінгу
Стандартні мультимодальні пайплайни обробляють відео, витягуючи кадри зі швидкістю 1 FPS. Для двогодинних записів або потоків спостереження це спалює мільйони токенів у контексті, але все одно пропускає швидкі події між кадрами. Агентна обробка надає Gemini нативні інструменти інспекції: модель спочатку переглядає транскрипт або аудіодоріжку, локалізує часові мітки та підвищує частоту кадрів лише на потрібних відрізках.
Показники бенчмарків та активація в API
Google наводить такі результати на бенчмарку LongVideoBench:
- Економія токенів: До 88% менше споживання токенів порівняно зі статичним семплінгом 1 FPS.
- Зниження вартості: До 66% зменшення витрат за стандартною тарифікацією токенів.
- Підвищення точності: До 7% краща точність відповідей під час пошуку швидких переходів, підрахунку дій та детекції аномалій.
Увімкнути режим можна в Google AI Studio або Gemini Enterprise Agent Platform, вказавши параметр обробки agentic у конфігурації виклику API.
Спробуй за 2 хвилини
interaction = client.interactions.create(
model="gemini-3.7-flash",
processing="agentic",
contents=[video_file, "What are the 3 most important announcements in this keynote?"]
)python
✓ Коли використовувати
- Використовуйте для пошуку подій у багатогодинних записах лекцій, зустрічей або відеоспостереження.
- Використовуйте для відстеження швидких рухів і аномалій, які губляться за стандартного кроку 1 FPS.
✕ Коли НЕ варто
- Не використовуйте для ультракоротких роликів (< 5 секунд), де звичайний 1 FPS витрачає мінімум токенів.
- Не підходить, якщо пайплайн вимагає детермінованого покадрового аналізу без затримок на виклик інструментів.
Що зробити сьогодні
- Додайте параметр processing: 'agentic' у конфігурацію викликів Gemini API під час обробки відео.
- Протестуйте споживання токенів на довгих відео в Google AI Studio, щоб оцінити реальну економію бюджету.
Джерела