Gemini重要能力增强2 个来源印证2026-09-01
Gemini Flash 系列推出代理式视频理解能力
Gemini Flash Series Introduces Agentic Video Understanding
多模态Agent Runtime
EVENT SUMMARY
事件摘要
Google 宣布为 Gemini 3.7 Flash、3.6 Flash 和 3.5 Flash-Lite 模型在 Interactions 和 GenerateContent API 中推出代理式（Agentic）视频理解能力。该功能允许模型动态导航视频时间线，按需请求字幕、帧或音轨，相比静态处理长内容可节省高达 88% 的 token。这标志着视频处理从静态全量分析向动态按需检索的范式转变，在视频分析、监控和内容审核等场景具有显著优势，可能推动行业视频理解 API 的演进。
ANALYST VIEW
中立分析
为什么重要
代理式视频理解将视频处理从静态全量分析转变为动态按需检索，大幅降低长视频处理的 token 成本。这一能力在视频分析、监控、内容审核等场景具有显著差异化优势，可能推动行业视频理解 API 范式转变。
影响对象
影响视频分析开发者、内容审核平台和媒体处理企业，显著降低长视频处理的 token 成本并提升效率。
证据说明
来源为 Google Gemini API 官方 changelog 及 DeepMind 公告，直接证明了代理式视频理解功能的发布、支持的模型范围和 token 节省数据。
不确定性
未披露具体的代理式导航机制细节（如模型如何决定何时请求哪类数据）、实际延迟影响，以及是否支持实时视频流。
SOURCES