视频理解
Gemini 开始‘边看边找’：视频分析成本最高降 66%
Google 推出 agentic video understanding，让模型按任务主动定位视频片段。官方称其最多减少 88% 的 token、降低 66% 成本，并提升关键视频理解任务的质量。
2026-09-01资料来源：Google
Google 在 9 月 1 日发布 agentic video understanding，覆盖 Gemini 3.7 Flash、3.6 Flash 和 3.5 Flash-Lite。它不是把整段视频一股脑交给模型，而是根据任务调用视频工具，寻找真正需要分析的片段。
Google 公布的测试结果显示，这种方式最多可减少 88% 的 token 消耗、降低 66% 成本，并把质量提高最多 7%。适用场景包括快速定位某一瞬间、异常检测和精确计数。
对案例库而言，这类能力意味着未来可以自动识别镜头、产品、场景和动作，再把客户问题直接定位到具体时间点。数字来自 Google 官方测试，实际效果仍取决于视频类型和任务。