据谷歌介绍,该公司已为 Gemini API 推出智能体视频理解功能。在内部测试中,该功能将处理成本最高降低 66%,代币消耗最高减少 88%。它可根据用户查询自动选择相关视频片段,通过调整帧率处理快速动作,并在必要时分析音频或文字稿,使准确率最高提升 7%。
该功能现已向 Gemini 3.7 Flash、3.6 Flash 和 3.5 Flash-Lite 开放,支持直接上传视频和使用 YouTube 视频,且无需额外付费。谷歌计划将这项能力整合到 Gemini App 和 YouTube 的 Ask YouTube 功能中。