Google 於 Gemini API 推出代理式影片理解功能，最高減少 88% Token 消耗與 66% 成本

Google DeepMind 宣布在 Gemini 3.7 Flash、3.6 Flash 及 3.5 Flash-Lite 模型推出代理式影片理解（agentic video understanding）功能。該功能已於 Google AI Studio 與 Gemini Enterprise Agent Platform 的 API 上線，開發者只需在 API 參數設定 `processing: "agentic"` 即可啟用，依標準 Token 計費，無額外功能費用。 有別於傳統以固定幀率（預設 1 FPS）讀取影片的靜態處理，代理式處理讓模型透過內部工具，主動決定觀看速度與模態（影像幀、音訊或逐字稿），動態搜尋並擷取所需片段。 根據官方基準測試，啟用該功能最高可減少 88% 的 Token 消耗與 66% 的分析成本，同時提升最高 7% 的準確率。此效率提升在 10 分鐘至數小時的長影片中尤為顯著，並解鎖了亞秒級片段檢索、長影片大海撈針搜尋、高幀率異常檢測及精確動作計數等應用。 官方表示，此功能近期將推送至 Gemini App 的所有 Flash 與 Flash-Lite 用戶，並於未來幾個月內驅動 YouTube 觀看頁面的「Ask YouTube」功能。