Google DeepMind 将智能体式视频理解接入最新 Gemini 模型：系统不再扫描整段视频，而是结合转录、音频与关键帧动态取证，长视频效率提升最明显。该能力已通过 API 向 3.7 Flash、3.6 Flash 与 3.5 Flash-Lite 推出，准确率更高且 Token 最多减少 88%。
核心要点速览
- ✓以转录、音频与帧为线索做动态取证，而非整文件扫描，长视频（10 分钟到数小时）收益最大
- ✓准确率提升的同时 Token 最多减少 88%，显著降低多模态智能体的视频理解成本
- ✓已在 Google AI Studio API 向 Gemini 3.7 Flash、3.6 Flash、3.5 Flash-Lite 开放，随后登陆 Gemini 应用
⚡
一眼结论开发者 3 秒速决决策指标
🧭
把技术选型换算成你的开发预算
40 款主流编程套餐横向比价，支持输入/输出 Token 真实账单模拟
实战指南准备好将技术转化为生产力？
即刻查看该技术对应模型与主流工具的实测差异，或一键测算团队 API 调用与 $20/月套餐盈亏平衡点。
接着读Gemini 上线智能体视频理解：精度更高、Token 最多省 88%
立即阅读→
讨论与评论
0登录后即可参与深度讨论
与广大 AI 开发者、工程师交流评测心得与前沿洞察