Google внедрила функцию агентного анализа видео в модели Gemini Flash. Теперь нейросеть самостоятельно навигирует по временной шкале, выбирая нужные кадры и модальности вместо обработки всего видео целиком. Инструмент доступен через Gemini API в Google AI Studio и платформе Gemini Enterprise Agent, поддерживая загрузку файлов и ссылки на YouTube.
Новый метод обработки сокращает потребление токенов на 88% и снижает затраты на 66%. По данным Google, точность анализа на стандартных тестах выросла на 7%. Технология наиболее эффективна при работе с длинным контентом, включая многочасовые записи и обучающие видео, где модель загружает только те фрагменты, которые требуются для ответа на запрос.
В агентном режиме модель использует внутренний цикл для поиска и анализа аудио, видеокадров и транскриптов. Разработчики могут отслеживать выполнение задачи через массив шагов ответа, включающий этапы обработки и получения результатов. Расходы токенов разделены на токены рассуждений для навигации и токены использования инструментов для загруженных данных.
Функция предоставляется исключительно как API-сервис без возможности самостоятельного хостинга или доступа к открытым весам. Тарификация осуществляется по стандартным расценкам Gemini API без дополнительных сборов. Пользователи могут комбинировать агентный и статический режимы обработки в одном запросе, используя модель Gemini 3.7 Flash.