Google activa comprensión agéntica de vídeo en Gemini para localizar momentos, contar acciones y analizar grabaciones largas con menos tokens y coste.
Google ha lanzado la comprensión agéntica de vídeo para Gemini 3.7 Flash, 3.6 Flash y 3.5 Flash-Lite. La función ya está disponible para vídeos subidos y enlaces de YouTube mediante la API de Gemini en Google AI Studio y Gemini Enterprise Agent Platform.
Hasta ahora, muchos sistemas analizaban el vídeo tomando imágenes a una frecuencia fija. El nuevo método permite que Gemini decida qué fragmentos necesita revisar, a qué velocidad y mediante qué señal: fotogramas, audio o transcripción. Puede volver a una parte concreta y examinarla con más detalle si la pregunta lo exige.
Este enfoque sirve para localizar instantes de menos de un segundo, buscar información dentro de grabaciones de varias horas, detectar anomalías y contar objetos o movimientos repetidos. También abre usos en edición automática, revisión de clases, análisis de demostraciones y búsqueda dentro de archivos audiovisuales.
Según las pruebas publicadas por Google, la función reduce hasta un 88% el consumo de tokens y hasta un 66% el coste del análisis, al tiempo que mejora la precisión hasta un 7%. Las ventajas son especialmente visibles en vídeos largos, donde procesar todo el contenido a una frecuencia alta resulta caro.
La función utiliza el precio normal de tokens de la API y no añade una tarifa independiente. Los desarrolladores pueden activarla con la opción de procesamiento agéntico; Google también prevé incorporarla próximamente a la aplicación Gemini y, más adelante, a la función Preguntar a YouTube.
