По сообщению Google (сентябрь 2026 г.). Даты запуска, доступность функций и сравнительные результаты ниже относятся к этому сообщению и отражают данные разработчика. Первоисточник.
Представляем агентное понимание видео с Gemini
Новая агентная функция для анализа видео сокращает потребление токенов до 88%, снижает затраты до 66% и повышает качество до 7%.
Старший менеджер продукта, Google DeepMind
Ваш браузер не поддерживает аудиоэлемент.
Google только что выпустил агентное понимание видео для Gemini 3.7 Flash, 3.6 Flash и 3.5 Flash‑Lite. Эта функция позволяет модели динамически сканировать сегменты видео, что улучшает точность и одновременно снижает использование токенов до 88% и расходы до 66%. Вы можете начать использовать её уже сегодня, установив конфигурацию API в «agentic» в Google AI Studio или на платформе Gemini Enterprise Agent Platform.
Сегодня мы запускаем агентное понимание видео в наших последних моделях: Gemini 3.7 Flash, 3.6 Flash и 3.5 Flash‑Lite. Эта новая возможность повышает точность и резко сокращает использование токенов и затраты при анализе видео. Аналогично агентному зрению, которое объединяет выполнение кода с внутренним пониманием изображений моделей Gemini, агентное понимание видео использует нативные видеоинструменты Gemini для улучшения производительности и открытия новых возможностей обработки видео, таких как поиск моментов с точностью до долей секунды, более точное обнаружение аномалий, точный подсчёт и другое.
Функция доступна уже сегодня для загрузок видео и роликов YouTube через Gemini API в Google AI Studio и на платформе Gemini Enterprise Agent Platform.
В отличие от текущей «статической» обработки, когда модель потребляет видео с фиксированной частотой кадров (по умолчанию 1 FPS, можно настроить через API), агентное понимание видео сочетает базовое рассуждение модели с нативными видеоинструментами для динамического поиска, сканирования и инспекции целевых сегментов видео по визуальным кадрам, аудио и транскриптам. По стандартным бенчмаркам анализа видео модели Gemini с агентным пониманием видео сокращают затраты на анализ до 66% и потребление токенов до 88%, одновременно улучшая точность до 7%.
Эти показатели эффективности особенно заметны при работе с длинными видео (от 10‑минутных обучающих роликов до 90‑минутных лекций и многочасовых записей), где статическая обработка заставляет разработчиков выбирать между высокими затратами на токены или методами, которые теряют критические детали.
Активация агентного понимания видео снижает потребление токенов до 88% и повышает точность до 7% с Gemini 3.7 Flash.
Хотя эти преимущества наблюдаются во всех трёх поддерживаемых моделях, Gemini 3.7 Flash с агентным пониманием демонстрирует наилучшее общее качество и оптимальное сочетание качества и экономичности, выводя её на парето‑фронт точность‑затраты среди протестированных моделей для понимания видео.
Использование агентного понимания видео ставит Gemini 3.7 Flash на парето‑фронт точность‑затраты для анализа видео.
Вместо статической обработки, при которой модель «поглощает» медиапотоки с фиксированной частотой кадров, агентное понимание видео позволяет Gemini брать на себя активную, целенаправленную роль в определении того, что именно смотреть, с какой скоростью и через какую модальность (кадры, аудио или транскрипт), извлекая только те моменты и сигналы, которые необходимы. Раньше разработчики могли делать это вручную; с агентным пониманием видео Gemini выполняет это через агентный цикл, вызывая внутренний инструмент для загрузки релевантной части видеофайла, что значительно сокращает нагрузку на разработку.
Агентное понимание видео меняет подход разработчиков к обработке длинного видео в самых разных требовательных приложениях.
- Поиск моментов с точностью до долей секунды: локализация мгновенных изменений состояния и точных границ склеек, которые легко пропустить при 1 FPS, что делает возможным точное автоматическое видеомонтажирование.
- «Игла в стоге сена» в длинных видео: ответы на сложные запросы по многочасовым записям без потребления миллионов токенов.
- Обнаружение аномалий: повторная выборка интересных временных окон с более высокой частотой кадров для проверки быстрого движения и тонких визуальных артефактов.
- Подсчёт действий и объектов: точное отслеживание повторяющихся физических движений и отдельных объектов во времени.
Эффективный по токенам анализ длинных видео
См., как Gemini 3.7 Flash работает с агентным пониманием видео и без него на LongVideoBench — бенчмарке для длинного видео. Обратите внимание на значительное снижение числа токенов и улучшение точности.
Точный быстрый анализ действий с динамической частотой кадров
С агентным пониманием видео 3.7 Flash способен точно посчитать быстрое движение, сканируя и пересматривая видео с разной частотой кадров по мере необходимости.
Эффективный по токенам поиск «иглы в стоге сена»
С использованием агентного понимания видео Gemini 3.7 способен точно отвечать на сложные вопросы на основе содержания видео, потребляя при этом значительно меньше токенов по сравнению со статическим анализом.
Многие наши партнёры раннего доступа отметили высокую производительность при тестировании агентного понимания видео. Вот что они говорят:
Агентное понимание видео доступно через Gemini API в Google AI Studio и на платформе Gemini Enterprise Agent Platform и запускается для Gemini 3.7 Flash, 3.6 Flash и 3.5 Flash‑Lite. Оно использует стандартное ценообразование токенов Gemini API без дополнительной платы за функцию.
Чтобы включить его, просто установите в конфигурации API режим обработки «agentic». Прочитайте наше руководство для разработчиков, чтобы получить больше сведений о функции и о том, как начать работу.
Мы также переносим улучшения в эффективности и качестве агентного понимания видео миллиардам пользователей в продуктах Google. Функция скоро будет развернута для всех пользователей в приложении Gemini на моделях Flash и Flash‑Lite. А в ближайшие месяцы агентное понимание видео также станет основой функции «Ask YouTube» на странице просмотра видео YouTube, где Gemini будет обеспечивать ответы более высокого качества, основанные на визуальном контенте.
Благодарность за вклад в эту работу: Серджи Каэльес, Филип Паветич, Ахмет Ишен, Сухас Йогин и команда Agentic Vision.
Получайте последние новости от Google на свою почту
Подпишитесь на наши рассылки с обновлениями продуктов, информацией о событиях, специальными предложениями и другим.
Проверьте свою почту, чтобы подтвердить подписку.
Вы также можете подписаться с другим адресом электронной почты.
Ваша информация будет использоваться в соответствии с политикой конфиденциальности Google. Вы можете отписаться в любой момент.
Разработка Gemini 4 Argon ответственно и безопасно
Gemini 4 Argon уже доступен для разработчиков.
Gemini 4 Argon: создан для решения ваших самых сложных задач
Последние AI‑новости, которые мы анонсировали в сентябре 2026 года
Gemini 4 Argon: наша следующая эра передового интеллекта
Смотрите, что 4 разработчика создают с Gemini 3.8 Flash