谷歌为 Gemini 加入视频 Agent，分析成本最高降 66%

谷歌为 Gemini API 上线 Agentic Video Understanding，让模型可以自主决定查看视频的哪些片段，以及如何进行检查。

普通模式默认以 1 FPS 固定抽帧，再一次性放入上下文。新模式则会沿时间轴自主定位片段，并根据问题选择画面、音频或转录文本；遇到快速动作时，还能提高帧率重新检查。

谷歌自测称，Gemini 3.7 Flash 开启该能力后，Token 消耗最高下降 88%，分析成本最高下降 66%，准确率相对提升最高约 7%。该能力可定位不到 1 秒的瞬间，也能在数小时视频中寻找特定细节。

技术上，这相当于将开发者过去需要自行搭建的“先定位、再精看”流程整合进 Gemini 内部。目前，Gemini 3.7 Flash、3.6 Flash 和 3.5 Flash-Lite 均已支持。上传视频和 YouTube 视频都可使用，且不另收功能费。后续该能力还将接入 Gemini App 和 YouTube 的 Ask YouTube。