Gemini推出智能体视频理解能力

今日，谷歌正式发布基于Gemini 3.7 Flash、3.6 Flash及3.5 Flash-Lite模型的智能体视频理解功能。该能力依托原生视频处理工具，将模型推理与动态内容检索深度结合，彻底革新了传统依赖固定帧率采样的静态分析模式。系统可依据具体任务目标，自主决策观察速度、检索时段及模态调用策略，仅抓取关键画面、音频或转录文本。基准测试显示，该技术使令牌消耗量最高锐减88%，分析成本下降66%，同时准确率提升7%。在十分钟以上的长视频场景中，该方案有效规避了传统方法在高计算开销与关键细节丢失间的权衡困境。目前该功能已全面接入Google AI Studio的Gemini API及Gemini企业智能体平台。其中，Gemini 3.7 Flash凭借综合性能与成本效益的最优平衡，确立了视频理解任务的质量与效率前沿，为子秒级内容检索、异常监测及精准计数等复杂应用提供了可靠的底层技术支持。