Gemini 智能體影片理解：把影片分析成本變成可控制的推理預算
Gemini 智慧體影片理解：把影片分析成本變成可控制的推理預算
事件事實
Google DeepMind 在 Gemini 3.7 Flash、3.6 Flash 與 3.5 Flash-Lite 推出 agentic video understanding。官方描述的流程不再以固定每秒一幀掃完整段影片，而是讓模型在影格、音訊與逐字稿之間動態搜尋，按問題需要提高或降低取樣密度。功能已透過 Gemini API、Google AI Studio 與 Gemini Enterprise Agent Platform 提供，支援上傳影片及 YouTube 內容。Google 以自身基準宣稱，token 使用量最高減少 88%、分析成本最高降低 66%，準確率最高提升 7%。
研究判讀
獨立分析認為，這次更新更像推理流程和單位經濟的改善，而不是推出全新前沿模型；「最高」數字主要來自 Google 自己與靜態處理方式的比較，尚未有完整第三方重現。它的實際價值在於把影片理解從一次性的大上下文請求，改成由模型主動決定觀看位置的工具迴圈。這種設計也與近期研究提出的 agentic video benchmark 方向一致：真正困難的是找證據、反覆檢查與跨模態整合，而不只是讀取更多影格。
對產品團隊的影響
長時間會議、課程索引、體育片段搜尋和異常偵測值得重新估算成本，但不應直接套用 88% 節省。團隊應按影片長度、問題型別和需要的時間精度建立自己的基準，記錄模型實際呼叫了哪些片段，並對時間戳和關鍵事件做人工抽查。對涉及合約、醫療或安全的影片，仍要儲存原始檔、檢索證據和人工覆核紀錄。消費者 Gemini 應用程式的全面推出時間仍未確定。