Google запустив агентський аналіз відео у Gemini зі зниженням витрат токенів на 88%
Google впровадив агентський аналіз відео для Gemini 3.7 Flash, 3.6 Flash та 3.5 Flash-Lite через API. Завдяки динамічному скануванню замість фіксованої частоти кадрів споживання токенів зменшується на 88%, а витрати — на 66%.
Вплив: Високий
Чому це важливо
Ви можете суттєво скоротити витрати на обробку відео, просто додавши processing='agentic' у викликах Gemini API.
TL;DR
- 01Агентський аналіз відео скорочує споживання токенів до 88% і витрати на API до 66%.
- 02Gemini динамічно обирає та сканує кадри замість статичного завантаження відео з фіксованим FPS.
- 03Функція доступна в Google AI Studio для Gemini 3.7 Flash, 3.6 Flash та 3.5 Flash-Lite без окремих комісій.
Ключові факти
- Зменшення токенів (дані вендора)
- До 88%
- Зниження вартості (дані вендора)
- До 66%
- Приріст точності (дані вендора)
- До 7%
- Підтримувані моделі
- Gemini 3.7 Flash, 3.6 Flash, 3.5 Flash-Lite
Динамічна вибірка замість статичної обробки
Традиційна обробка відео у мультимодальних моделях працює статично з фіксованою частотою (наприклад, 1 кадр на секунду). Агентський аналіз надає Gemini автономний цикл із внутрішніми інструментами для інспектування кадрів, звуку й транскриптів. Модель сама вирішує, яку ділянку переглянути, з якою частотою кадрів і в якій модальності.
Показники бенчмарків та економія токенів
За внутрішніми даними Google на бенчмарку LongVideoBench, увімкнення агентського режиму забезпечує:
- Скорочення споживання токенів до 88%
- Зниження вартості аналізу до 66%
- Підвищення точності відповідей до 7%
Gemini 3.7 Flash формує нову межу ефективності Парето, перевершуючи фіксований аналіз на багатогодинних записах і фіксуючи зміни стану тривалістю менше секунди.
Інтеграція та конфігурація в API
Функціонал уже доступний для Gemini 3.7 Flash, 3.6 Flash та 3.5 Flash-Lite через Gemini API у Google AI Studio та Gemini Enterprise Agent Platform. Він підтримує завантажені відео та посилання на YouTube. Для активації достатньо вказати параметр конфігурації "agentic" у виклику API; тарифікація відбувається за стандартною ціною токенів без окремої комісії.
Спробуй за 2 хвилини
interaction = client.interactions.create(
model="gemini-3.7-flash",
processing="agentic",
contents=[video_file, "What are the key announcements?"]
)python
✓ Коли використовувати
- Для аналізу тривалих відео, лекцій або записів, де статичний FPS спалює мільйони токенів.
- Коли потрібна субсекундна точність для фіксації змін кадрів або підрахунку дій.
✕ Коли НЕ варто
- Для коротких 2-3 секундних роликів, де статичний аналіз і так споживає мінімум токенів.
- Для суто аудіозадач, де використання спеціалізованих моделей транскрипції є дешевшим.
Що зробити сьогодні
- Додати параметр processing='agentic' у виклики Gemini API.
- Протестувати економію токенів на власних довгих відео за допомогою Gemini 3.7 Flash.
Джерела